原标题：行政检察大数据法律监督通用模型建构的价值与运用范式
【资料图】
数字检察是检察工作现代化的重要依托。在数字化时代背景下，行政检察监督办案要深入推进检察大数据战略，推动办案模式从“个案为主、数量驱动”向“类案为主、数据赋能”转变，通过数据分析、数据碰撞、数据挖掘发现治理漏洞或者监督线索，依法能动履行行政检察监督职责，助力推进国家治理体系和治理能力现代化。
大数据法律监督模型助力传统工作提质增效
一是促进行政检察监督高效化。行政检察监督工作涉及法院、行政机关、案件当事人等多方主体，利益诉求多元，准确高效地查实行政主体对相关事项是否具有执行权与处罚权、判断行政机关向法院申请强制执行是否合理合法，将影响行政检察监督质效。应充分运用大数据技术整合行政执法各环节、各部门的数据资源，实现流程的可回溯、可查询，保证监督客观、真实、完整、合法，为提升检察官办案质效提供新路径。
二是促进行政检察监督标准化，统一法律适用，提高行政检察监督的社会引领效果。司法实践中，人员素质不均衡、监督制约机制不完善等原因，影响了行政检察监督的高质效发展。以大数据检索、分析、处理作为依托，检察机关可以更加精准地发现司法、执法活动中存在适用法律不统一等问题，而建构大数据法律监督模型，可以通过模式比对、数据筛选、异常数据预警，实现类案推送和准确适用法律建议，帮助检察机关规范化履行行政检察监督职能，提升检察办案质效。
三是促进行政检察监督精细化，完善取证方式。行政检察监督往往需要检察机关在不同行政部门提取相关证据，证据来源不同，数据结构不统一，取证后的电子证据还需要检察机关审查、固定，影响行政检察监督效率。大数据技术可以快速处理不同数据来源与不同数据结构的证据，实现精准、快速取证。大数据电子取证还可以全程留痕跟踪，形成完整、闭合、可回溯的电子证据链条，确保行政检察监督合法有效。
大数据法律监督模型助力行政检察监督范式转变
一是检察理念升维，由诉讼监督向社会治理延伸。大数据法律监督的路径是从个案中总结规律、特征，后根据规律、特征在海量数据中筛查出类案，在批量类案中发现立法、执法、司法、机制等方面存在的问题，最终落脚点是解决社会治理问题。在这个过程中，检察机关可以借势利用好诉调中心大数据，拓展法律监督的案件线索渠道，融入党委政府和社会治理大格局，推进检调对接、联动调处，多途径、多手段化解社会矛盾，将矛盾纠纷化解在基层，将和谐稳定创建在基层。
二是工作范式迭代，由被动监督转向主动监督。以往的行政检察监督对行政行为、审判活动的信息来源与违法线索掌握不足，检察机关很难全面掌握监督信息并精准发现问题线索，导致监督工作的时效性不强。相较而言，大数据技术借助互联网手段可以克服人员经验、物理距离等方面的限制，通过收集、筛选、分析指数级的、人工不可完成的数据体量，主动发现违法犯罪线索，在此基础上通过调查取证、积极引导侦查等方法实现主动监督和多元协同，完成被动监督向主动监督的转变。
三是监督体量扩容，由个案监督向类案监督转变。在大数据技术的支持下，检察机关可以处理与某个现象有关的所有数据，而不再依赖于随机采样，也不再使用随机分析的方法。换言之，大数据可以更清楚地看到样本本身无法揭示的细节信息。检察机关借助大数据拓展监督渠道，在采集数据、清洗数据后要针对数据进行统计分析，进而实现结果可视化。在这一过程中，法律监督方式发生了转变，由传统的针对个案的监督转向基于大数据全样本而展开的类案监督。
大数据法律监督模型的关键原理
人工智能三要素分别是数据、算法和算力，虽然行政检察大数据法律监督模型并非传统意义上的人工智能，但是其构造原理与上述三要素紧密相连，其中的基石是数据，故要特别重视检察大数据的基石效用。构建行政检察大数据法律监督模型要解决好三个关键性问题，一是数据的来源渠道，二是采集何种数据，三是如何使用数据。回归到行政检察监督的具体场景，可以作出以下三个步骤的归纳：
首先，构建检察大数据监督平台，形成数据池。一方面，拓宽延展数据的来源渠道，如全国检察业务应用系统、省市级检察数据应用平台、中国裁判文书网、行政执法信息公示平台、执行信息公开网、审判信息网、中国政府网、国内银行、市民热线、媒体新闻网站留言区等；另一方面，通过设定区域、时间的筛选条件形成裁判文书的第一层数据集合，然后加入主体信息或其他关键词筛选后形成第二层数据集合。
其次，根据业务场景进行数据的分类，形成数据包。同样的平台，不同的监督模型需要采集不同的信息，诸如同样是行政服务平台，可以采集运输公司车辆登记信息、《道路运输证》《道路运输经营许可证》等信息，也可以挖掘违法超限运输公司、车辆及驾驶人信息，并将上述与业务场景相关的数据进行关联，通过关联数据集合得到清洗后的数据包。
最后，有效进行大数据碰撞，找到精准监督的方向。以某地“行政机关违法行使行政罚款职权”数字监督模型为例，该模型通过将行政机关罚款、财政局收缴罚没款、法院行政非诉执行三方面的数据进行碰撞分析，从而挖掘出已作出罚款决定却未缴纳或未全额缴纳、罚款未缴纳也未申请执行、法院准予执行却未移送执行等违法线索。具体而言，先选取行政检察监督类型，设计研判规则，将相关程序性监督规则和实体性监督规则纳入其中考量，然后进行数据碰撞，将数据包与规则进行对比，通过数据分析得出异常线索。
行政检察大数据法律监督通用模型的建构
确定监督模型种类和场景。行政检察大数据法律监督模型主要分为风险类数据监督模型、需求类数据监督模型和效果类数据监督模型。数据监督模型源于实践中检察机关开展法律监督活动的需要，因此必须根据具体的应用场景与实践需求设计监督模型。行政检察大数据法律监督模型的应用场景包括行政执行监督（含非诉执行）、行政裁判监督、行政违法行为监督、行政审判人员违法行为监督。
开发异常案件检测模型。大数据战略的核心关键是大数据法律监督模型。有学者将大数据赋能法律监督线索发现的路径确定为“典型个案分析→案发规律梳理→数据共享归集→数据碰撞比对→类案线索研判→移送线索核查→开展精准监督→跟踪督促落实→推动社会治理”。其中，案发规律梳理是大数据法律监督模型的关键节点，该环节必须提取出异常案件的特征，并通过数据化的方式加以实现。
增强人机耦合方法的使用。具体而言，通过设定阈值，系统预警并根据算法推送办案指引，引导检察人员通过卷宗核查、交流反馈、实地走访提升核查确认异常线索。毕竟大数据的分析结果并不能体现个案的独特性，需要检察人员参与介入，与机器相互协作，对数据进行实时的分析和对比，及时对批量案件中的异常和小概率情形进行单独识别和考量，从而更好地提升监督数据的质量，优化机器自主学习，保证模型的精准性和高效性。
（作者分别为云南省大理白族自治州人民检察院检察长、西南政法大学智能司法研究中心研究员）（崔庆林 颜卉）
