新文科视域下法律与计算机科学融合路径研究——以“公共安全视频监控的法律规制”为例

Research on the Integration Path of Law and Computer Science under the Perspective of New Liberal Arts—Taking “Legal Regulation of Public Security Video Surveillance” as an Example

摘要: 在新文科建设战略背景下，本研究以“公共安全视频监控的法律规制”为切入点，探索法律与计算机科学的融合路径，构建“法学与计算机科学”深度融合的交叉学科范式。研究设计并实践了《计算法学导论》课程体系，通过将抽象法律规则转化为可计算模型、厘清计算法学的学科定位，并搭建“理论–技术–应用”教学框架，以突破传统学科壁垒。实践层面，聚焦公共安全视频监控数据的法律规制难题，开发融合法律案例与算法模型的案例库，构建隐私保护与公共安全平衡的量化模型，为公共安全治理现代化提供理论与技术支撑。教学创新方面，建立“基础理论–数据建模–项目实践–竞赛毕业设计”四阶递进式培养体系，通过课程、竞赛与毕业论文的联动，系统强化学生跨学科思维。教学反馈显示，课程获得98%的满意度，学生高度认可其在复合能力培养方面的价值。

Abstract: Under the strategic background of New Liberal Arts construction, this research takes the “Legal Regulation of Public Security Video Surveillance” as a starting point to explore the integration path of law and computer science, aiming to construct an interdisciplinary paradigm characterized by the deep integration of “Law and Computer Science.” The study designed and implemented an “Introduction to Computational Law” course system. By transforming abstract legal rules into computable models, clarifying the disciplinary positioning of computational law, and establishing a “theory-technology-application” teaching framework, it seeks to break through traditional disciplinary barriers. On the practical level, focusing on the legal regulatory challenges of public security video surveillance data, the research developed a case library integrating legal cases and algorithmic models. It constructed a quantitative model to balance privacy protection and public safety, providing theoretical and technical support for the modernization of public security governance. In terms of teaching innovation, a four-stage progressive training system—“basic theory, data modeling, project practice, and competition/graduation project”—was established. This system, linking coursework, academic competitions, and thesis work, systematically enhances students’ interdisciplinary thinking. Teaching feedback shows a 98% satisfaction rate for the course, with students highly recognizing its value in cultivating composite abilities.

1. 引言

在新文科建设战略指引下，教育部《新文科建设宣言》明确提出“推动学科交叉融合，构建中国特色哲学社会科学学科体系”的核心要求。本文立足《教育部关于深入推进新文科建设的若干意见》政策导向，围绕“促进法学与信息技术深度融合”的核心要求，以法律与计算机科学交叉领域创新为突破口，着力构建“法律 + 计算机科学”深度融合的学科发展新范式。

当前，传统法学研究面临数字化时代的现实挑战：一方面，法律实践日益依赖视频监控、大数据分析等技术手段，而技术应用的合法性与规范性亟需法学理论回应；另一方面，计算机科学在算法决策、数据治理等领域的突破，为法学研究提供了方法论革新契机。

国内方面，申卫星等学者在司法实证分析上做了大量开创性工作[1]，学者们利用数据揭示诉讼背后的规律。但这套方法更多是“用数据验证法学假设”。同时，季卫东等学者对“计算法学”概念进行梳理，划定了这个新兴领域的大致边界[2]。虽然边界划定了，但具体怎么“计算”，特别是如何把抽象法律原则变成可操作的算法，国内还处在探索阶段。

国外斯坦福大学的“法律计算”项目(CodeX)，很早就尝试把法律条文变成机器可读的代码。但他们更偏向技术实现，有点像“用工程思维解构法律”。欧美的学者，比如《法律与人工智能高级导论》这本书的作者[3]，更关注算法伦理。

本文的研究就是想在这些讨论的基础上往前再进一小步。前面说的两种路径：国内的“数据验证”路径和国外的“技术实现”或“伦理批判”路径，其中间缺了一环。缺的就是一套能让法学学生自己动手，把像“比例原则”这样的核心法律理念，真正“翻译”成数据模型的教学方法体系。

在上述背景下，本文尝试在《计算法学导论》这门新课中，搭建一个连接法律与计算机的教学生态。这个框架不追求宏大体系，而是聚焦于解决以下三个具体问题。

问题一，怎么让法律概念能被计算机理解？教师在课堂上带着学生，把“比例原则”这样的核心法律理念，拆解成人口密度、摄像头数量、调阅记录等可测量的指标。这不是简单的概念转换，而是一种法律思维的训练。

问题二，怎么定位这门交叉学科？教师向学生明确：计算法学本质上还是法学，它的根本任务是用计算思维解决法律问题，而不是把法律问题变成纯技术问题。这个定位很重要，避免了课程滑向单纯的技术培训。

问题三，怎么让学生真正学以致用？教师设计了循序渐进的实践环节：从基础理论课，到使用Python分析模拟数据的实验课，再到分组完成完整的规制方案。这个过程让学生亲身体验从法律问题到数据建模，再回到法律决策的完整闭环。

2. 融合路径的探索

2.1. 《计算法学导论》课程体系构架

《计算法学导论》课程突破传统法学教育框架，创新性构建“法学 + 计算机科学”深度融合的课程体系(见图1) [4]。通过三维目标导向设计，实现知识传授、能力培养与价值塑造的有机统一。在教学内容层面，系统整合法学原理与计算思维，将法学方法与算法逻辑分析相结合，将司法案例推理与计算机科学技术相结合。在教学方法上，采用“理论讲授–案例研讨–编程实践”三位一体的混合式教学模式，引入“Jupyter Notebook”交互式编程环境。在评价机制方面，建立“法律知识 + 算法设计 + 项目实践”的多维评分体系。特别设计的“法律科技智慧司法系统”模块，要求学生以团队形式完成实践任务，实现法律逻辑与计算思维的深度耦合。该课程体系既确保法学理论根基，又强化技术应用能力，形成具有示范性的交叉学科课程范式[5]。

Figure 1. The cross diagram of computational law course system

图1. 计算法学课程体系交叉示意图

2.2. 法律与计算机科学融合的案例库构建

为推动法律与计算机科学的深度融合，需要聚焦法律实践中的真实问题，构建涵盖典型法律场景与算法模型的案例库，形成“数据–算法–应用”的闭环研究体系[6]。案例库的数据来源具有多元化特征：一方面，通过司法公开平台、法律数据库等渠道，采集国内外法院、律师事务所发布的真实法律文书数据，如全国2024年醉驾类案件的刑事一审判决书；另一方面，基于教学与研究需求，通过模拟典型法律场景、改编热点案例等方式生成虚拟案例，以弥补真实数据的局限性。

例如，在案例库构建中，本课程的师生创新性地将法律文本分析与算法模型开发相结合。针对醉驾案件量刑规范化需求，基于CART (Classification and Regression Trees)决策树与随机森林算法，构建了量刑预测模型。该模型以真实判决书为训练数据，通过特征工程提取量刑关键要素(如血液酒精浓度、犯罪情节、前科记录等)，并利用算法模拟法官裁量逻辑。实验结果显示，优化后的CART模型在刑期、缓刑和罚金预测中的分类准确率分别达到83.47%、82.83%与83.31%，而随机森林模型则以86.01%、85.85%与81.24%的准确率展现了更强的非线性关系处理能力。这一实践不仅验证了算法模型在量刑规范化中的可行性，也为解决“同案不同判”问题提供了技术方案。

案例库的功能定位具有双层价值：其一，作为教学支撑平台，案例与算法模型被深度融入《计算法学导论》课程。通过案例分析、算法演示、实践项目等环节，强化学生对法律规则数字化重构的理解；其二，作为研究基础设施，案例库为法律文本挖掘、司法行为预测等前沿课题提供数据与算法支持。例如基于视频监控数据的隐私保护模型开发，即通过案例库中的类似场景数据，构建公共安全与个人权利平衡的量化框架。通过真实案例与算法模型的双向驱动，案例库的构建不仅实现了法律数据的结构化存储与智能化分析，更推动了法律与计算机科学从理论融合向实践应用的跨越，为复合型法治人才培养与智慧法治建设提供了创新路径。

2.3. 课堂教育与人才培养模式的融合创新

在课堂教育与人才培养模式方面，本文构建了以“法律 + 技术”双核驱动的教育模式。该模式突破传统法学教育框架，形成“基础–交叉–前沿”三级课程体系，通过《计算法学导论》等课程实现法学原理与计算思维的深度融合。在教学方法上，项目采用案例驱动、上机实验、小组协作与项目研究相结合的方式，以醉驾案件量刑预测等真实项目为载体，强化学生将法律问题转化为计算任务的能力，体现了“做中学”的实践导向。通过开发集成了案例库、算法模型与虚拟仿真系统的计算法学实践平台，构建了“课堂–实验–应用”全链条闭环。该平台不仅支撑课堂教学与科研孵化，其产学研用一体化设计，更有利于培养学生跨学科沟通、团队协作及创新实践能力。该模式显著提升学生复合型素养，95%的本课程学生可独立完成法律规则数字化建模，形成“理论–技术–应用”的创新生态，为新文科背景下法学教育现代化转型提供了可复制的示范路径，实现了理论教学与实践创新的深度融合。

2.4. 考核机制的多元化创新

本文以“能力导向、多元评价、实践验证”为核心原则，构建了突破传统学科框架的考核机制，实现了从知识记忆到跨学科能力跃迁的根本性转变。在评价方式上，创新性地将本科生竞赛成果纳入考核体系，如要求学生组队参与国际大学生建模竞赛等高水平赛事，并将竞赛方案的创新性、技术实现度与法律论证严谨性作为重要评价指标。例如在2024年国际建模竞赛中，本课程的法学与计算机专业学生联合团队针对非法野生动物贸易法律问题构建的评估算法模型，不仅整合了法律文本分析与机器学习技术，更提出了具有全球视野的生态保护方案，荣获国际一等奖。这一实践表明，竞赛考核已成为检验学生知识迁移能力的“实战演练场”[7]。

在评价内容上，项目设计了涵盖法律规则数字化表达、算法决策、技术实现路径等维度的挑战性课题库，不仅用于期末考核，还要求学生在毕业设计中延续课堂项目。在评价主体上，项目突破传统教师单维评价，引入竞赛评委、法学专家等多元主体，构建了综合评价体系。这种“竞赛驱动–毕设延续–多元评价”的创新机制，不仅塑造了学生的全球胜任力与创新能力，更形成了新文科背景下复合型法治人才培养的闭环。

3. 以“公共安全视频监控的法律规制”为例的融合实践

3.1. 核心切入点：从“原则争议”到“数据实证”的教学范式转向

对于公共安全视频监控的法律规制，传统研究多集中于法学理论层面的争论(如隐私权和安全权)。本案例的研究切入点是：引导学生利用模拟的某市视频监控系统数据，对监控系统的运行现状进行一次“法律合规审计”，量化评估其“权利–安全”均衡点的实际位置。通过数据发现问题，并据此提出精准的规制优化方案。其核心问题是引导学生从法学问题出发，通过数据驱动和算法驱动的计算机技术手段，对当前的监控布设、使用和治理模式，在实践层面是否真正做到了“必要”、“适度”和“合规”进行探索。师生共同对公共安全视频监控系统的实际效果与立法初衷是否存在偏差进行研究，最终给出合理的规制建议和解决方案[8]。

3.2. 整体分析框架设计

3.2.1. 数据生成、模拟与合规性声明

本次研究为一个计算法学教育范式的探索案例。因此核心目标是展示如何把抽象法律原则转化为可计算的数据模型。考虑到真实监控数据涉及公民隐私，课堂上完全采用模拟数据。所有的模拟数据仅用于方法论教学，合法合规。

课堂上，教师把模拟城市划分成居住区、商业区等不同类型，为每种类型设置了不同的基础摄像头密度。譬如，商业区的摄像头密度会高于公园的摄像头密度。人口密度和模拟犯罪率这两个风险指标与摄像头的分布成正比例，这样能更真实地反映现实生活中摄像头的配置情况。另外，摄像头监控行为的数据也遵循类似的设计逻辑。例如，调阅监控记录的概率和区域的模拟犯罪率成正比。教师还特意在低风险区域生成了一些冗余的调阅记录，在数据中设置一些可供学生发现的“规制问题”。在“权利–安全”数据方面，根据摄像头密度和朝向生成了模拟的投诉数据。问卷调查数据来自对50名课程参与学生的调研。在完全合规的前提下，这些模拟数据使教学案例更加贴近现实。

3.2.2. Svi指数模型构建思路

在“完全合规、最小必要”的约束下，城市中的一个区域为了达到当前最合理的公共安全视频监控分布，所应具有的监控强度水平可作为一个重要的评价指标。为此，引入一个“权利–安全均衡度”指数模型(Svi-Surveillance Value Index)进行仿真。该模型可用来回答：一个区域要达到它当前最合理的公共安全视频监控分布，理论上最少需要多少视频监控？其核心算法见公式(1)。

$\text{Svi}=R\times \left(1-S\right)$ (1)

其中R代表风险指数。风险指数越高，从理论上考虑，需要的视频监控就越多。S代表安全水平，安全水平越低，意味着“安全赤字”越高，这就需要更多的视频监控来进行补充。以上两者共同决定了理论上合理的监控指数(Svi)。

3.2.3. 模型权重计算过程

课堂上讲解了熵权法这一客观赋权方法，用它来确定各指标权重。这种方法的核心优势是完全基于数据本身的变异程度进行权重计算，有效避免了主观偏见。其原理是根据信息论中的信息熵定义，通过测量数据的无序程度来确定其信息含量。

通过公式(2)对原始模拟数据进行标准化处理，标准化后的数据范围在[0, 1]之间：

$x_{i{j}^{\prime }}=\frac{x_{ij}-\min \left(x_j\right)}{\max \left(x_j\right)-\min \left(x_j\right)}$ (2)

利用公式(3)确定各指标在总体中的相对重要性：

$p_{ij}=\frac{x_{i{j}^{\prime }}}{{\displaystyle \sum _{i=1}^m{x}_{i{j}^{\prime }}}}$ (3)

基于信息论的基本原理和公式(4)，计算各指标的信息熵值。其中k为调节系数，m为样本数量：

$e_j=-k\times {\displaystyle \sum _{i=1}^m\left(p_{ij}\times \ln p_{ij}\right)},k=\frac{1}{\ln m}$ (4)

最后，根据信息熵值，利用公式(5)计算最终权重。其中，信息熵越小，表明该指标提供的信息量越多，在综合评价中的权重相应越大：

$d_j=1-e_j,w_j=\frac{d_j}{{\displaystyle \sum _{j=1}^n{d}_j}}$ (5)

3.2.4. 风险指数R计算

风险指数R的计算基于四个核心指标：人口密度(PD)、历史犯罪率(CR)、夜间灯光指数(NLI)和重点场所密度(KPD)，各指标权重系数和为1。通过对这些指标进行标准化处理后加权求和得到R。具体的计算见公式(6)：

$R=w_1\cdot \text{norm}\left(PD\right)+w_2\cdot \text{norm}\left(CR\right)+w_3\cdot \text{norm}\left(NLI\right)+w_4\cdot \text{norm}\left(KPD\right)$ (6)

3.2.5. 安全水平指数S计算

安全水平指数S是根据三个核心指标计算得出：犯罪率倒数(用$1-C{R}_{\text{norm}}$ 表示)、公众安全感(PS)和模拟破案率(CDR)。具体方法是对这些指标进行标准化处理之后进行加权求和，见公式(7)：

$S=w_5\cdot \left(1-C{R}_{\text{norm}}\right)+w_6\cdot P{S}_{\text{norm}}+w_7\cdot CD{R}_{\text{norm}}$ (7)

w₅、w₆、w₇为各指标权重系数，满足$w_5+w_6+w_7=1$ 。犯罪率倒数通过1-CR_norm实现，将原本的负向指标转化为正向指标。

3.2.6. 实际监控强度A_i计算

实际监控强度A_i是通过对三个可观测指标进行综合计算：摄像头密度(CD)、人脸识别占比(FRR)和人均调阅频次(AFR)，各指标权重系数和为1。通过对这些指标进行标准化处理后加权求和，最后得到A_i。具体见公式(8)：

$A_i=w_8\cdot C{D}_{\text{norm}}+w_9\cdot FR{R}_{\text{norm}}+w_{10}\cdot AF{R}_{\text{norm}}$ (8)

3.2.7. 状态分类标准

采用蒙特卡洛模拟技术对数据进行大量随机抽样实验。观察Δ值(Δ = A_i − Svi)的概率分布特征，选定阈值T为分布的一个标准差，进而保证判断标准的统计显著性。通过对Svi指数与阈值T的对比分析，本文对各区域的监控状态进行如下分类界定：

当某一区域的实际监控强度A_i显著高于其Svi指数(即Δ > T)，该区域被判定为“过度监控”。这说明该区域当前获得的安全收益，是以超出必要限度的公民权利侵扰为代价的，其监控资源配置违反了比例原则中的必要性要求。

当实际监控强度A_i与Svi指数基本接近(即−T ≤ Δ ≤ T)，则说明该区域处于“均衡状态”。这表明监控设施的布设强度与区域实际风险水平匹配，能较好地实现安全价值与权利保障之间的平衡。

当实际监控强度A_i明显低于Svi指数(即Δ < −T)，则该区域被认定为“监控不足”。现有的监控资源无法有效管控该区域的安全风险，需要及时增补监控设施。

3.2.8. 计算结果讨论分析

教师引导学生从监控状态分布图中寻找值得关注的现象。其中A组同学的报告中发现：虽然81%的区域处于均衡状态，但商业区的过度监控问题特别突出。如图2显示，18%的区域存在过度监控，其中商业区占比最高。这引发了A组同学关于商业利益与隐私权平衡的思考。

Figure 2. Pie chart of surveillance status distribution

图2. 监控状态分布饼图

而B组同学的课堂报告显示：从风险–安全关系散点图(图3)可以看出，商业区虽然风险指数较高，但安全指数并不低。这说明现在的监控强度超出了实际安全需求，违反了比例原则中的必要性要求。

Figure 3. Scatter plot of risk-safety relationship

图3. 风险–安全关系散点图

C组同学的课堂分析报告得到的结论：散点图(图4)清晰显示了Svi与A_i的偏离情况。在理想均衡线上面的点代表着过度监控区域，其中商业区的偏离程度最严重。区域56的Δ值高达2.318，此现象意味着实际监控强度是理论需求的两倍以上。

Figure 4. Scatter plot of theoretical vs. actual surveillance intensity

图4. 理论监控强度与实际监控强度对比散点图

3.3. 规制策略的优化与实现

本课程的师生根据分组讨论的结果，集思广益，汇总并提出了以下针对课堂案例的规制优化策略。利用“权利–安全均衡度”指数模型(Svi)的分析结果，可针对城市中不同区域实施精准规制。对于实际监控强度大于Svi的过度监控区域，应采取“减法”与“强约束”策略，包括物理撤除冗余摄像头、强制采用数字遮罩和本地分析等隐私增强技术，并实施最高级别的调阅审批程序，同时推动地方立法明确密度上限与最小距离要求，从根本上遏制权利侵扰。例如，课堂案例中的商业区存在过度监控的现状，学生们一致提出规制建议：第一，建立商业区监控密度上限；第二，推行监控影响评估制度；第三，对现有过度监控区域进行分级整治，优先处理Δ值大于1.5的严重区域。

对于监控强度与Svi基本均衡的区域，重点在于“稳现状”与“优程序”，通过部署全面的数据访问日志审计和定期合规性检查，确保现有监控设施不被滥用，并将其管理模式提炼为标准规范予以推广。

对于实际监控强度小于Svi的监控不足区域，核心策略是“做加法”与“智能化”。依据风险指数优先在案件高发点增补感知设备，且新建设施必须采用仅输出报警信号的智能摄像头等隐私友好型技术，并通过财政预算倾斜和动态资源调度快速提升安全水平。例如，课堂案例中的居住区虽然整体公共安全视频监控均衡，但存在一个监控不足区域(区域62，Δ = −0.523)。结合该区域0.701的风险指数，学生们就建议立即增补监控设施。同时有四个过度监控居住区需要立即采取隐私保护措施，特别是调整摄像头方向角度，避免直面住户门窗。

最终，通过持续的测量、诊断、处方和再测量，形成一个以数据驱动、可持续优化的政策闭环，使抽象的比例原则转化为可执行的技术标准、操作程序和法律条款，实现安全与权利的高水平均衡。

3.4. 案例总结与推广

本教学案例以“公共安全视频监控的法律规制”为典型范例，成功将计算法学方法融入“法律 + 技术”双核驱动的创新人才培养模式。通过引导学生运用“权利–安全均衡度”(Svi)指数模型对法学问题展开建模分析，清晰展示了《计算法学导论》这门交叉课程中“理论解构–数据建模–规则反馈”的完整闭环。该案例不仅帮助学生掌握将比例原则等抽象法学理念转化为可计算指标的核心能力，并通过集成计算法学实践的仿真模拟实训，强化了学生跨学科协作与创新实践能力。这一融合实践充分证明了“课堂–实验–应用”全链条教学体系的有效性，为培养兼具法治理念与技术思维的新型法治人才提供了可复制、可推广的示范路径，实现了理论研究、教学实践与社会服务的深度统一[9]。

3.5. 局限与反思

必须承认本案例所使用的量化模型有一定的局限性。它虽能将数据操作化，但却难以量化一些情境因素，例如特定居民社区的文化氛围或居民的主观隐私感受等。在具体的教学实践中，部分法学背景学生表现出对技术工具的畏惧心理，而计算机专业背景的学生则对法学概念的模糊性感到难以把握。《计算法学导论》作为一门交叉新文科课程，其教育核心并不是培养只会算法的法律工程师，而是塑造能批判性使用人工智能技术、以法律价值和人文关怀为最终目的的新型法治人才。

4. 学生反馈与建议

通过问卷调查收集的有效反馈显示，学生对《计算法学导论》课程整体给予积极评价，平均满意度达98%。课程在理论体系完整性与跨学科融合方面表现突出，92%的学生认可其在培养复合思维方面的价值。教学方法上，互动式教学模式获得90%满意度，特别是小组讨论和项目实践环节广受好评。

在教学内容方面，85%的学生认为知识体系覆盖全面，但78%的受访者建议增加最新司法实践案例。技术工具应用环节虽获认可，但学生普遍反映需要更多编程练习的辅导。收集到的改进建议中，65%的学生希望增加实战型编程训练课时，58%提议建立案例动态更新机制，另有45%期待强化法律文书自动化处理教学。

典型学生反馈中，“课程打开了法律科技新视界”成为高频评价[10]，同时学生也提出“希望增加动手实践机会”和“优化技术工具操作指南”等建设性意见。这些反馈为课程后续优化提供了明确方向，特别是在增强实战训练、更新教学案例和完善技术辅导等方面，课程团队需重点改进以提升教学实效。

5. 进一步融合展望

未来，本课程将持续深化“法学 + 科技”的融合模式，并从以下四个核心维度系统推进融合升级，以培养引领未来的复合型法治人才[11]。

实战能力强化：计划增设“法律科技实战工作坊”，引入真实司法数据开展编程训练，通过开发智能法律文书生成器、类案推送系统等项目，将抽象算法理论转化为具象实践产出。同步设计阶梯式挑战任务，实现技术工具应用能力的渐进式提升。

案例动态更新：建立“司法创新案例追踪机制”，与法院、律所合作构建动态案例库。每学期筛选10~15个前沿智慧司法案例纳入教学，确保教学内容与行业动态保持同步。

学习支持优化：开发“技术工具微课堂”视频资源库，针对Python法律数据分析、机器学习模型应用等难点，制作分步教学视频。同步完善在线答疑系统，配备双导师轮值提供实时指导。

跨界融合深化：拓展“法学 + 计算机”双导师团队规模，邀请法律科技公司技术总监参与课程设计。探索开设“计算法学前沿”系列讲座，邀请学界业界专家共话智慧法治发展趋势。

随着学科融合的持续深入，将不断培养造就兼具法治素养与数字能力的复合型法治人才，为推进国家治理体系和治理能力现代化提供坚实的人才支撑与创新的技术保障。

基金项目

本项目受上海市哲学社会科学规划课题(项目编号：2021BFX005)资助、2025年华东政法大学紧缺急需课程建设项目《计算法学：法律思维与算法实践》支持。