最高法院口头辩论的计算分析

作为最高法院决策过程中最公开的环节，口头辩论在大众媒体中获得了不成比例的关注。然而，尽管其显要，口头辩论作为一种制度的基本功能与运作仍鲜为人知，政治科学家与法律学者甚至对其角色的最基本问题持续争论。过往对口头辩论的研究往往聚焦于其离散、可量化的属性，例如向每位辩护律师提问的数量、大法官任命总统的党派，或上诉案件涉及的意识形态意涵。此类研究允许对口头辩论与司法决策作宽泛概括：大法官倾向于依其意识形态偏好投票，且当其对某方立场存疑时会倾向提出更多问题。但它们几乎未告诉我们口头辩论的实际进行——作为制度核心的大法官与辩护律师间的持续对话。本文填补了这一空白，使用机器学习技术，首次构建司法决策的预测模型，其依据不是口头辩论的表层特征或外部因素（如案件在自由—保守光谱上的位置），而是口头辩论自身的实际内容——大法官向各方的提问。所得模型为长期抗拒实证研究的口头辩论诸方面提供了重要新窗口，包括大法官个人的提问风格、各自如何表达质疑，以及哪些大法官的提问对口头辩论对话最为关键。