aplicación de modelos computacionales y redes neuronales...

Revista Científica Virtual N°5-RECAMPI-96

Aplicación de Modelos Computacionales y Redes

Neuronales para el Meta-análisis en Ciencias Jurídicas

Fernández Amado, Guillermo Gabriel

Argentina


RESUMEN

El sistema jurídico en términos genéricos es un sistema complejo que puede

evidenciarse a partir de un análisis sobre su funcionamiento institucional-

administrativo ya que se considera como una red de componentes, entidades y

áreas de gestión conectadas e interactuando a partir de elementos comunes como

son las normas y leyes presentes en los códigos jurídicos del Estado, de forma

que solo pueden ser descritos en su totalidad por relaciones no-lineales. El estudio

de su funcionamiento es colocado en nuestro caso bajo la óptica de un modelo

computacional complejo dentro de un contexto más amplio respecto a la visión

sistémica tradicional, estadística de predicción lineal. Por tanto, este sistema como

podría ser el de la Corte Suprema de Justicia o Ministerio Público Fiscal, puede

ser sujeto de estudio utilizando técnicas y metodologías novedosas, como el

análisis de grafos y redes neuronales. Así, gracias a esta caracterización,

modelado y descripción compleja se podrá elucidar similitudes y diferencias entre

este sistema jurídico y otros semejantes, o comparar históricamente

composiciones de sus miembros y gestiones pasadas, o analizar atributos

emergentes propios de estos para establecer hipótesis sobre su funcionamiento

futuro, habilitando al control, mejoramiento y predicción de su comportamiento con

base en vinculaciones con el resto de sistemas sociales, económicos, políticos y

sus contextos históricos.

Descriptores: Redes Neuronales, Sistemas, Nodos, Ministerio Público.


ABSTRACT

The legal system in general terms is a complex system as would be seen from an

analysis of its institutional-administrative operations as it considers this system as

a network of components, institutions and management areas connected and

interacting from common elements They are including rules and laws present in the

legal codes of the State, so that can only be described relational systems such

magnitude non-linear relationships. The study of its operation is placed in our case

from the perspective of a complex computer model within a broader compared to

traditional systemic view, statistical linear prediction context. Therefore this system

as could be the Supreme Court of Justice or Public Prosecutor Ministry, may be

subject of study using innovative techniques and methodologies, such as graph

network analysis and neural networks. So thanks to this characterization, modeling

and complex description may elucidate similarities and differences between the

legal system and the like, or compare historically compositions of its members and

past efforts, or analyze themselves of these emerging attributes to establish

hypotheses about its future operation, enabling control, improvement and

predicting their behavior based on linkages with other social, economic and

political systems and historical contexts.

Descriptors: Neural Networks, Systems, Nodes, Public Ministry.


INTRODUCCIÓN

Un sistema complejo, a diferencia de uno simple es visto como una

entidad cuyo comportamiento global es más que la suma de las operaciones

de sus partes. Usualmente, se le define como una red de muchos

componentes cuyo comportamiento de agregados da lugar a estructuras en

varias escalas y patrones de manifestación, cuya dinámica no es posible de

inferir a partir de una descripción simplificada del sistema. Los modelos

computacionales pueden utilizarse para analizar propiedades de sistemas

complejos.

Los sistemas complejos pueden actuar de formas que no son predecibles,

o a través de intrincados cálculos estadísticos respecto a variables puntuales

mediante el análisis segmentado de sus partes componentes, pero su

funcionamiento como un todo requiere un abordaje epistemológico propio de

los estudios sobre complejidad, esto permite verificar que un sistema jurídico

en cuestión, como por ejemplo el de la Corte Suprema de Justicia de la

Argentina, tenga propiedades distintas, quizás conflictivas o antagónicas

respecto a las partes que lo componen, propiedades conocidas como

emergentes pues emergen del sistema mientras está en acción.

Como estas surgen del conjunto o totalidad del sistema, veremos que si al

sistema lo descomponemos en sus partes también perderemos dichas

propiedades, por lo tanto no es necesario comprender el sistema para

beneficiarse de este conocimiento en una tratativa compleja.

Los sistemas más complejos presentan mayores vínculos dependientes

entre sí y mantienen una interacción recíproca. Esta posibilidad de vincular

entidades propias del sistema y estudiar estos lazos, habilita a su estudio

integral en cuanto a su comportamiento y relación con otros sistemas


sociales, económicos, políticos o jurídicos. Esta interdependencia sistémica

y en particular del sistema jurídico dentro del sistema social fue ampliamente

estudiada desde la sociología por Max Weber en su „Excurso‟, al analizar la

tendencia a la creciente racionalidad instrumental en el mundo occidental,

donde se pueden identificar diversas esferas de sentido y valor que

institucionalizadas, defienden sus estructuras y funciones interdependientes

que están en tensión respecto a las demás, como puede ser la tensión entre

las esferas religiosas, políticas y judiciales de un país, o de instituciones en

tensión como la Corte Suprema de Justicia, el Ministerio Público Fiscal y el

Poder Legislativo o Ejecutivo por ejemplo. Estas diferentes racionalidades

propias de cada sistema entran irremediablemente en conflicto dentro del

sistema social o sociedad, el cual se puede estudiar y analizar así como

también en el detalle de sus intercambios y relaciones sectoriales a partir de

este tipo de estudio sistémico complejo.

La estabilidad del sistema depende de muchos factores, entre ellos el

tamaño, cantidad y diversidad de los subsistemas, así como del grado de

conectividad que existe entre ellos, por tanto son resistentes al cambio,

propiciándose solo si se identifican las conexiones adecuadas para obtener

un resultado predecible aceptable, en tiempo y forma. La resistencia al

cambio de algunas partes del sistema se visualiza porque estas ejercen un

mayor grado de control, es decir suelen ser más importantes, dado que

cuanto más alto es el nivel de control de la parte en la que se efectúa el

cambio, más se extienden y ramifican sus efectos.

La complejidad de algunas estructuras se debe a la intrincada

organización de su gran número de componentes, que muchas veces son

simples. Esa estructura es lo que es y hace lo que hace no tanto por lo que

son sus partes componentes, sino por el modo en que están organizadas y

relacionadas. Cuando crece el número de vínculos entre sus partes se da


usualmente el cambio no controlado, una evolución donde su propia

naturaleza no sabe exactamente hacia donde se dirige.

Es importante entender que la modelación matemática por medio de

computadores resulta actualmente una forma innovadora en el estudio e

investigación sistémica, en particular de un sistema jurídico y de sus

instituciones representativas, para poder comprender su naturaleza y

comportamiento, a veces caótico y reactivo y mejorar así de ser este el

objetivo, el rendimiento óptimo en cuanto a su funcionamiento y

aprovechamiento de sus recursos usuales.

Las redes neuronales artificiales son una de las herramientas

informáticas más poderosas para buscar modelos computacionales. Con

estas se busca la solución a problemas complejos no solo referidos a una

secuencia de pasos, sino a la evolución de cómputos propios inspirados en

el funcionamiento complejo del cerebro humano, dotados de cierta

inteligencia y capacidad cognitiva, sin que esto implique conocimiento

exhaustivo del comportamiento de cada parte, sino más bien de una

inteligencia emergente a partir de la combinación de elementos simples

de su modo de proceder ante los estímulos del ambiente o sistemas afines.

Estas llamadas neuronas interconectadas operan de forma paralela y de

acuerdo a diferentes tipologías o estilos para resolver problemas

relacionados con el reconocimiento de formas o patrones,

predicción, codificación, control y optimización de funciones y estructuras

propias y ajenas.

Una red neuronal realiza una simplificación tomando en cuenta los

elementos relevantes del sistema, ya que la cantidad de información que se

dispone es excesiva o redundante. Esta característica permite conocer las

partes, funciones o eventos más relevantes del sistema en cuestión, dejando

al resto como entidades o fenómenos menos importantes al momento de


abordar la problemática. Las redes neuronales pueden utilizarse como

variables de entrada (input) o parámetros numéricos que cuantifiquen

información sobre la estructura del sistema. Los parámetros conocidos como

Índices Topológicos (TIs) se encuentran entre los más útiles.

Otra herramienta para trabajar con sistemas complejos es la teoría de

grafos, que es un campo de estudio de las matemáticas y de la computación,

que analiza las propiedades de los grafos como estructuras compuestas por

un conjunto de vértices, nodos o puntos y el conjunto de aristas, líneas o

lados que pueden ser orientados o no al relacionarse entre sí. Por tanto,

también esta teoría es utilizada para realizar análisis de redes en este caso

sociales, particularmente jurídicas.

Los TIs se calculan en teoría de grafos a partir de la representación de

cualquier sistema como una red de nodos interconectados que dan lugar a

una estructura relacional emergente que permite por ejemplo conocer

medidas de centralidad de nodos, entre otras medidas útiles según el tipo de

red del que se trate. Los TIs pueden ser muy útiles como entradas para las

redes neuronales.

La presente investigación pretende entonces demostrar la utilidad de

estos modelos para predecir características y propiedades de estos sistemas

complejos al realizar una revisión sobre los TIs comúnmente utilizados y su

identificación y extracción a partir del procesamiento de bases de datos

jurídicas y de la utilización de software de cálculo apropiado para convertir

estos índices en inputs de redes neuronales artificiales para el desarrollo de

modelos computacionales útiles para la investigación de su comportamiento.

Esto es una novedad en Latinoamérica ya que los estudios de este tipo son

muy recientes y provenientes en la mayoría de los casos de EEUU y Europa.


DESARROLLO

Para comenzar con la teoría de grafos y redes complejas, podemos

afirmar que estas herramientas usadas últimamente a partir del fenómeno de

las Big Data o grandes bases de datos disponibles en forma digital, permiten

analizar información a niveles estructurales tanto de un genoma humano,

como de redes de interacción proteína-proteína, redes complejas

metabólicas, redes neuronales biológicas y artificiales, redes sociales,

tecnológicas o de redes jurídicas. Entre estas últimas se encuentran, por

ejemplo, las redes de transmisión de enfermedades, redes de distribución

eléctrica, redes de telefonía inalámbrica, redes de comercio internacional,

redes sociales en internet, redes de conocimiento, redes de autoría y citas,

redes jurídicas o redes delictivas.

Los nodos podrían ser, por ejemplo, las leyes citadas, investigadas,

utilizadas, revisadas en los diversos fallos o dictámenes de entidades

jurídicas estatales en sus diversos fueros, penal, civil, comercial o tributario.

Así podríamos analizar el funcionamiento de una red jurídica por ejemplo

a partir de un conjunto de objetos nodos que serían representación de fallos,

leyes o delitos vinculados a través de un conjunto de conexiones, gracias al

procesamiento masivo de datos obtenidos por parte de los sistemas

administrativos judiciales de un estado.

Esta multiplicidad de fallos, acciones, actores intervinientes y actos

procesales permitiría establecer vínculos con otras leyes, fallos o personas

que habiliten al estudio de propiedades emergentes de dicho sistema

jurídico. En todos estos casos, se pueden calcular TIs que describan

numéricamente los patrones de conectividad existentes entre los nodos o

actores en una red y su relacionamiento complejo, por ejemplo entre leyes y

actores jurídicos (entidades e instituciones jurídicas).


Por otra parte, el análisis de redes proporciona una aproximación común

para todas aquellas disciplinas que implican un estudio de la estructura

social susceptible de representación en forma de redes y puede referirse a

un tipo específico de relación entre las entidades o grupos que pueden

evolucionar hacia patrones duraderos de comportamiento y relación dentro

de una sociedad.

Si se toma en consideración que una red es un conjunto de elementos o

nodos con conexiones entre ellos en forma de aristas del grafo, se pueden

representar las relaciones sociales en forma de redes donde los nodos

pueden ser los actores individuales dentro de las mismas y las aristas las

relaciones entre dichos actores.

Estas herramientas de grafos y de análisis de redes son atípicas en la

investigación del funcionamiento jurídico, siendo que puede ser una

herramienta muy útil para ilustrar la interrelación entre esferas e instituciones

legislativas y judiciales o incluso políticas para, en segunda instancia, ayudar

a predecir y entender las consecuencias de la aprobación de nuevas leyes

en la sociedad con el fin de predecir, medir, controlar su efectividad.

En estos casos los nodos o TIs pueden ser fallos judiciales que llegaron a

instancias de Corte Suprema en relación con el conjunto de fallos y leyes

precedentes citadas o vinculadas con las personas físicas intervinientes en

cada fallo.

En el caso de aplicación al Ministerio Público Fiscal puede ser útil para

medir la implementación efectiva de sus códigos procesales, su adecuación

institucional y funcional en los cambios legislativos, mediante la

representación de delitos o fiscalías como nodos y sus relaciones, por

ejemplo, con actores sociales o personas físicas ejerciendo roles judiciales,

o imputados con sus respectivos antecedentes judiciales.


Así se podría realizar el análisis de causalidad criminal y permitir conocer

patrones de centralidad geográfica de cierto tipo de delitos, así como

también asistir al área de delitos complejos como narcotráfico y fraudes

financieros o simplemente ayudar con información relacional y compleja en

las investigaciones de casos o expedientes judiciales puntuales.

En el contexto argentino, en particular, sería más que necesario un

abordaje semejante ya que se evidencia una alta conflictividad social a partir

de la violencia imperante en la sociedad, que exige máxima efectividad al

sistema judicial para disminuir las tasas de delito y la necesidad de

adecuación institucional rápida al nuevo código procesal penal que ayudaría

a la solución de esta problemática, adornada con una dependencia objetable

entre el poder judicial y la política en términos generales. Estos temas

debido a su gran relevancia social y coyuntural hacen de la predicción de la

causalidad delictiva una necesidad imperiosa.

A partir del conocimiento que se tiene sobre los hechos acaecidos en el

pasado y procesados de forma compleja, se puede elaborar una estrategia

jurídica adecuada para prevenir el delito que optimice el funcionamiento de

las instituciones del poder judicial y la transparencia de las vinculaciones de

las esferas jurídicas, políticas y legislativas. Gracias al concepto sistémico de

red, podemos determinar las tipologías y características de la estructura del

sistema jurídico en general y en particular de la Corte Suprema Argentina o

del Ministerio Público Fiscal.

El tradicional enfoque jerárquico, estadístico y centralizado que se utiliza

para la investigación del funcionamiento de estas instituciones, deja su lugar

a una realidad mucho más compleja, estudiada a partir de su abordaje

relacional donde encontraremos también estructuras policéntricas y redes

heterárquicas.

El marco conceptual básico de teoría de grafos (Casti 1995), se amplía

con un vasto instrumental diseñado últimamente en la industria del software


para el análisis de las redes sociales, que permite también no solo el

modelado computacional sino su simulación basada en agentes,

representaciones virtuales de interacciones de individuos autónomos dentro

de un entorno, con el fin de determinar los efectos que producen en el

conjunto del sistema en un intento de recrear y predecir las acciones de

fenómenos complejos. Estos modelos permiten la experimentación del

aprendizaje, adaptación y reproducción en el medio social, pudiendo simular

los cambios del sistema, en este caso jurídico, tras añadir o extraer

relaciones de difusión, contagio y supervivencia entre los nodos del sistema.

Aplicación de herramientas complejas para el estudio del sistema

jurídico

Los TIs de utilidad en ciencias jurídico-sociales pueden calcularse a partir

de redes de nodos que pueden representar aspectos tan diferentes como

leyes tributarias o con causas penales.

Diferentes medidas de causalidad de delito han sido desarrolladas

recientemente (Devah, 2003), utilizando matrices de centralidad como

representación grafoteórica del delito donde cada imputado y otros sujetos

relacionados con este, son representados por un nodo analizándose a todos

por igual pero en búsqueda de relaciones de camino corto entre ellos,

estableciéndose una relación entre el nodo original (causa posible), con el

nodo final (consecuencia) o delito existente en una causa penal.

Así, se muestra con una de las aplicaciones más prometedoras, el uso de

este tipo de centralidad para encontrar modelos computacionales, capaces

de detectar la causa principal de un delito que tenga una representación en

forma de grafo con múltiples concausas.

Al individualizar a los sujetos intervinientes en una causa penal y

someterlos a un análisis de redes, podemos ver tanto centralidades,

reiteraciones, como excepcionalidades que brinden información sobre


patrones o disposiciones geográficas de delitos en el territorio, como también

de causas de delitos que tienen un origen causal similar. En un reciente

trabajo (Duardo-Sanchez, 2014) se aplicaron diferentes tipos de redes

neuronales a la predicción de la causalidad penal en el cual los mejores

modelos pudieron discriminar correctamente el 87% de las causas de delito,

entre otras causas de delito potencial en 17 casos estudiados.

La predicción de la causalidad delictiva a partir de una red de nodos en la

forma de causas penales se puede obtener procesando bases de datos de

delitos y causas penales, por ejemplo en el caso del Ministerio Público Fiscal

Argentino podría obtenerse a partir del cruce de datos de la aplicación

informática Fiscalnet que desde hace casi una década viene recogiendo

información sobre las causas penales en todo el país. De esta manera, y

conociendo los imputados y sujetos relacionados en sus diferentes roles

(denunciante, querellante, víctima, damnificado, testigo) a cada causa/delito,

se puede construir una red de delitos y sujetos vinculados a otras

personas/causas/delitos/leyes para obtener emergentes útiles para los

análisis criminalísticos más complejos e incluso ayudar a prevenir o

desarticular patrones delictivos. También, esto puede utilizarse para analizar

patrones geográficos ya que esta es otra información almacenada en estas

bases de datos y sistemas informáticos de gestión judicial. Así, se pueden

crear redes según diversas condiciones, alcance geográfico, tipo de delito,

ley violada, paso procesal, responsable de la causa, juzgado o fecha.

Diferentes medidas de causalidad de delito han sido estudiadas y gracias

al aporte de investigadores como Fowler se han podido construir matrices de

centralidad del tipo Markov entropy centrality que asociadas a una

representación grafoteórica de las causas primarias, secundarias y crimen,

permitieron cuantificar la longitud de todos los caminos a partir de una causa

o ley dada respecto a todas las demás causas o leyes de tipo aprobadas

antes y después del momento estudiado. Esto, al calcularse por cada causa,

permite obtener nuevas medidas de causalidad delictiva capaces de detectar


la causa principal de un delito o los imputados más importantes a partir de

una representación de sus múltiples sujetos participantes o relacionados en

la diversidad de roles que la causa permite

Muchas veces el problema de la causalidad penal es que se subestima el

componente multicausal del delito, y para esto las bases de datos lineales

ordenadas por expedientes o causas penales no son útiles sin un debido

proceso a posteriori que permita dar un salto cualitativo entre estos

tradicionales reportes estadísticos lineales y un análisis relacional en red

propio de los sistemas complejos.

En otro tipo de investigación, Fowler analizó también un total de 30.000

decisiones de la Corte Suprema de los Estados Unidos desde 1754 hasta

2002, obtenidas a partir de un procesamiento de datos de una empresa

privada de automatización en procesamiento de textos (Howe Electronic

Data), que permitió el escaneo de los fallos y la extracción de las citas de los

fallos de la Corte, identificadas por su nomenclatura (U.S. form: XXX U.S.

YYY)

Ilustración 1-Nomenclatura fallos Corte Suprema EE.UU.


Esto permitió construir la base de datos procesada por una aplicación el

tipo S2Snet (software libre de identificación de caracteres y transformación a

secuencia numérica para su conversión a gráfico de redes) para representar

cada caso como un nodo de la red junto con sus relaciones entre otros

casos dadas por las citas del caso precedente. También, fueron útiles las

bases de datos institucionales como la relevada por la Inter-university

Consortium for Political an Social Research.

Ilustración 2-Software para redes S2SNet

Las bases de datos muchas veces contienen información que requieren

un preprocesamiento o posprocesamiento, junto con una vinculación entre

entidades y tablas, unificación de nomenclaturas y también de duplicación de

registros. En este ejemplo se muestran algunos datos procesados a partir de

registros oficiales de fallos de la Corte Suprema de EE.UU.


Ilustración 3- Datos sobre fallos de ICPSR - United States Supreme Court Judicial Database,

1953-1997.

En este sentido, el correlato para su procesamiento en Argentina está

presente en las bases de datos de la Secretaría de Jurisprudencia

http://www.csjn.gov.ar/jurisprudencia.html en la cual se publica la

información de los fallos de la Corte desde 1863 a 1985 (en formato

escaneado) y a partir de 1994 con búsqueda digital y consulta visual del

documento escaneado:

Ilustración 4-Ej: nomenclatura citas en fallo CSJ Argentina

La base de Fowler permitió analizar la evolución de ciertas normas legales

e identificar cambios sustanciales en la jurisprudencia (stare decisis) y

estudiar cómo ciertas leyes resultaron un punto de inflexión en la

interpretación jurídica, en particular se destaca la del caso „Warren Court‟ y

otras por lo contrario muy distantes de cualquier influencia sustancial.

También, en esta investigación se detectaron las normas precedentes más

relevantes en último siglo por medio de un indicador authority score, lo cual

permitió analizar cuál es el criterio de prioridades de una corte suprema

respecto a otra composición del tribunal en el pasado. También se demostró

la hipótesis de que los casos que la Corte revierte, resultan ser las

http://www.csjn.gov.ar/jurisprudencia.html


decisiones más importantes y que los casos en los que rechazan, estas

reversiones rápidamente se vuelven más importantes que los casos

revertidos. Por último, se permite analizar en base a los casos precedentes

citados en las opiniones de la Corte, si esta efectivamente resultó imparcial y

neutral o hubo ciertas influencias consideradas ideológicas o políticas para

tomar estas decisiones.

En los siguientes gráficos obtenidos a partir del análisis de la red

mencionada se puede identificar un histograma de los casos que dieron

origen al menos a una cita, lo cual permite identificar una anormalidad

durante los años 1953 a 1969, correspondiente a la composición de la Corte

mencionada y considerada como „activista‟, que no citó casos precedentes y

desestimó numerosas citas pasadas en favor de la introducción de nuevas

leyes.

Ilustración 5- Casos de la Corte Suprema EEUU 1750-2000, con al menos una cita saliente


Ilustración 6- Gráfico reducido de casos relevantes en el tratamiento del Aborto

En la ilustración 5 se puede identificar las citas de fallos pasados que se

incorporan a un fallo o decisión de la Corte como con flechas entrantes,

mientras que el fallo que es citado se indica sin flecha.

Una de las medidas que se obtuvieron fue la de centralidad que destacó

la relevancia del nodo caso „Roe‟ como el de mayor centralidad. Esto

permitió validar la consideración de la Oxford Guide, la Legal Information

Institute y el Congressional Quarterly’s Guide to the United States Supreme

Court, fuentes a partir de las cuales se identifican las citas más relevantes

respecto al tema, coincidiendo en su análisis cuantitativo complejo de la red:

62% de citas del caso Roe‟s (41/66), 47% del caso Thornburgh‟s (35/74) y

42% del caso Webster‟s (35/84).

Esto mismo se pudo contrastar respecto al indicador authority score, que

mide las citas a fallos más relevantes, coincidiendo con las investigaciones y

rankings publicados por las instituciones mencionadas:


Ilustración 7-Ranking de fallos más relevantes en último siglo por medio del indicador ‘authority

score.’

Ilustración 8- Ranking de fallos más relevantes de la Corte Suprema EEUU en el último siglo.


También se trabajó sobre el análisis de ciertos casos y su creciente o

decreciente influencia en las decisiones de la Corte, en este caso del ámbito

civil y comercial:

Ilustración 9- Casos con influencia decreciente en las decisiones de la Corte Suprema EE. UU

Esto permitió analizar cuáles fueron las leyes que detrás del análisis de

esta evolución, se consideran estables o por el contrario, de progresiva

caducidad y obsolescencia.


CONCLUSIÓN

En definitiva y a modo de conclusión, el análisis de redes complejas como

el del sistema penal o jurídico de un Estado, requiere herramientas y teorías

novedosas que recientemente han encontrado un campo de aplicación real.

Poder vincular leyes entre sí, causas o fallos jurídicos, incluso delitos para

analizar sus causas son algunos de los puntos de partida muy demandados

por la comunidad global para descubrir en esta vinculación de información,

una meta-data aún latente y a la espera de convertirse en guías estratégicas

para una correcta y eficiente gestión del sistema judicial en un contexto de

creciente racionalidad burocrática estatal y extrema violencia y desigualdad

social.

La aplicación de los conceptos, instrumentos y aplicaciones de la

inteligencia artificial como son las redes neuronales y el análisis de redes

sociales para analizar al sistema jurídico de la Corte Suprema de Justicia

Argentina o del Ministerio Público Fiscal requieren un análisis previo para

observar su comportamiento y escoger así cuáles son los datos más

adecuados para procesar y extraer conclusiones.

En resumen, se intenta llegar a un modelo computacional como una

ecuación lineal sencilla o un modelo complejo no lineal basado en redes

neuronales, para pronosticar la actividad jurídica utilizando TIs como

entradas y cuantificando su estructura por medio de teoría de grafos y así

llegar a contrastar hipótesis y detectar emergentes e información relevante al

menos como un primer objetivo; el cual podría extenderse si consideramos a

los nodos de la red como leyes aprobadas en una fecha o rango de fechas

determinado, con la medición de la evolución histórica de dicha norma legal


dentro del sistema legislativo y así conocer su dinámica, estabilidad u

obsolescencia.

Si le sumamos a este trabajo la utilización de redes neuronales, a la

predicción se le agregaría la capacidad de aprendizaje para analizar casos

nuevos y de esta forma guiar la evolución del sistema hacia un derrotero

previsible y eficiente, evitando fallos o errores conocidos o evitables a partir

de los datos e hipótesis estudiadas.

En el presente trabajo se ha presentado una selección de indicadores

básicos, teorías, herramientas y aplicaciones para aproximarnos a un campo

de investigación que requiere un marco propicio de I+D dentro de estas

mismas instituciones judiciales para poder evolucionar y mejorar desde

dentro, con los propios datos y procesos de normalización de los mismos

que permitirán desarrollar y encontrar respuestas a muchas problemáticas

conocidas aun a la espera de profundización científica que puedan confluir

en un proceso de crecimiento y adecuación del sistema jurídico Argentino y

Latinoamericano a los cambios que la sociedad y su coyuntura internacional

requieren.


REFERENCIAS BIBLIOGRÁFICAS

Duardo-Sánchez. A et al. (2014). Modeling Complex Metabolic

Reactions, Ecological Systems, and Financial and Legal Networks with

MIANN Models Based on Markov-Wiener Node Descriptors. Journal of

Chemical Information and Modelling

Ben-Naim E., H. Frauenfelder, Z. Toroczkai, (2004). Complex Networks,

Springer. Berlin.

Ashmore, A., (2007). Dates of Early Supreme Court Decisions

http://www. supremecourtus.gov/opinions/datesofdecisions.pdf (June 1,

2007).

Chandler, Seth J., The Network Structure of Supreme Court

Jurisprudence (June 10, 2005). University of Houston Law Center No.

2005-W-01

Cormen T.H., C.E. Leiserson, R.L. Rivest, C. Stein, (2001). Introduction

to Algorithms, MIT Cambridge: University Press.

Borgatti, S.P.; Everett, M.G. (2006). A graph-theoretic perspective on

centrality. Social networks.

Bonacich, P. (1987). Power and centrality: a family of measures.

American Journal of Sociology 92.

Casti, J.L. (1995). The Theory of Networks, en D.F.Batten, J.L.Casti y

R.Thord (eds.), Networks in Action. Berlin: Springer Verlag.

De Nooy W., (2005). Exploratory Social Network Analysis with Pajek,

Cambridge: Cambridge University Press.


Freeman, L. (1979). Centrality in social networks: I. Conceptual

classification, Social Networks, nº 4, p.35-41.

Freeman, L., Rhite, D. y A. Romney (1989). Research methods in social

network analysis. IVA: George Mason University Press.

Fowler JH, Jeon S. (2008). The authority of Supreme Court precedent,

Social Networks. 30:16-30.

Legal Information Institute. (2005). Historic Supreme Court Decisions.

http://straylight.law.cornell.edu/supct/cases/name.html (June 2, 2005).

Newman, M. (2003). The Structure and Function of Complex

Networks. SIAM Review; 56: 167-256.

Ritter, O.W., Mosiño, P. A., Patiño R. M., (2000). Pronóstico y

naturaleza. Revista Ciencia y Desarrollo. julio/agosto del 2000. volumen

XXVI, no. 153.

Rosenberg, G.N. (1991). The Hollow Hope: Can Courts Bring About

Social Change Chicago: University of Chicago Press.

Spaeth, H.J., (1979). Supreme Court Policy Making: Explanation and

Prediction. W.H. San Francisco: Freeman and Company.

Tyler, T.R., Mitchell, G., (1994). Legitimacy and the empowerment of

discretionary legal authority: the United States Supreme Court and

abortion rights. Duke Law Journal 43, 703–802.

Pastor R. -Satorras, M. Rubi, A. Diaz-Guilera (2003). Statistical

Mechanics of Complex Networks. Berlin Springer.

Pastor R.-Satorras, A. Vespignani, Evolution and Structure of the Internet:

A Statistical Physics Approach, Cambridge University Press, Cambridge,

2004.


Post D., How Long is the Coastline of the Law? Thoughts on the Fractal

Nature of legal Systems, Journal of Legal Studies , January, 2000.

Popper K. (1983). Conjeturas y refutaciones: el desarrollo del

conocimiento científico. Barcelona: Ed. Paidos.

Valente, T. W. (1995). Network models of the diffusion of innovations.

New Jersey: Hampton Press Inc.

White, H.D., Welman, B., Nazer, N., (2003). Does citation reflect social

structure? Longitudinal evidence from the Globenet interdisciplinary

research group. Journal of the American Society for Information Science

and Technology 55, 111–126.

Weber, M., (2001). La Ética Protestante y el Espíritu del Capitalismo

en Ensayos sobre sociología de la religión. Volumen I. Taurus: Madrid.

aplicación de modelos computacionales y redes neuronales...

Documents