如何將法律法規轉化為可執行模型? - brcommunity
荷蘭環境與規劃法的完整修訂版將於 2022 年 7 月在荷蘭生效,數字化是這一新法案落地的一個關鍵方面。
數字化的一部分是建立一個規則驅動的門戶,因此非常重視決策規則的治理。
本文解釋了為什麼要建立一個新的決策規則標準來支援治理。該標準的一個概念是用於決策規則管理的分層模型方法。儘管該方法旨在用於《環境與規劃法》的領域,但一般原則對所有對決策規則管理感興趣的人都感興趣。
環境與規劃數字系統法案和適用規則
荷蘭新的《數字系統環境和規劃法》的一站式服務是一個規則驅動的入口網站。這個入口網站的使用者只需要回答那些與他們生活環境中的計劃有關的問題--以問題樹的形式。這種相關性是由決策規則驅動的基於規則的引擎決定的。
決策規則--就數字系統而言,"適用規則"--由中央和地區當局制定和提供。
為此,標準適用規則(以下簡稱STTR)作為數字系統的新標準之一被制定出來。
STTR和相關的資訊模型是能夠在數字系統的規則登記處釋出適用規則的必要條件。
該登記處為入口網站提供規則驅動的服務,為其使用者提供服務。由於有超過350個不同的規則制定機構,有必要達成協議,以制定和交換適用的規則;也就是說,有必要進行標準化,以便在登錄檔中獲得句法和語義上正確的規則。
一個城市和/或一個水務局和/或一個省和/或中央政府都可以制定關於一項活動的規則。
在入口網站上,這些規則在相關情況下一起運作。當適用的規則是按照標準和資訊模型制定的,就能保證將其儲存在登記冊中,從而在入口網站中執行。
因此,使用STTR作為數字系統中決策規則的標準,也是一項法律義務。
STTR的支柱
STTR中的協議可以被看作是三個支柱。
儘管350多箇中央和地區當局的綜合來源持有人是特殊的和前所未有的,但基於規則治理原則的決策規則的結構化寫作當然是一個已經存在了一段時間的領域。
STTR的第一個也是最重要的支柱是使用國際標準的決策模型和符號(DMN)來規定法律規定中的決策邏輯。
STTR的第二個支柱是其衍生品,即在STTR中基於DMN本身提供的選項擴充套件DMN的可能性:擴充套件元素[OMG, 2021]。
例如,DMN 不提供的元素可以作為 DMN 的擴充套件元素新增到 STTR 中,就 STTR 而言。
例如,這允許將不同型別的問題與決策邏輯聯絡起來,或者可以設定問題的順序來處理宣告性模型中的優先順序。
STTR的第三個支柱涉及層模型。關於DMN本身已經發表了很多,STTR也有大量的荷蘭語文件[Rijkswaterstaat, 2020]。
然而,STTR的層模型的背景仍然沒有被充分曝光。本文對這個層模型的目標進行了仔細研究。
層模型的介紹
適用規則是一組不同型別的規則和決定的總稱,它們共同構成了適用規則的集合,也就是說,從向使用者提出的問題到推匯出的決定--例如,許可檢查或申請要求。這個決定是基於其他決定和法律依據的結論,其中的實際輸入是由使用者透過回答問題("事實")來提供的。
例如,作為一個結論的許可要求取決於建築高度?一個建築要有多高,只有要建造它的人知道。
因此,結論和法律依據屬於適用規則中基於法規的部分,而賦予法律依據實質內容的事實則來自這個人的現實世界。
法律依據和事實之間的差距甚至很大,例如,法律依據要求 "18歲或以上";所要求的事實通常是出生日期。
在適用的規則中,也可以提供關於問題應該如何顯示給門戶使用者的規範。這並不涉及BRE對宣告性邏輯的執行,而是涉及問題的展示。
例如,考慮問題的優先順序:在邏輯互動中,為了便於理解,一些問題必須比其他問題更早提出,或者問題必須被分組顯示,因為它們屬於一起。
指定這種行為要被看作是管理互動的規則。
層模型認識到了規則的不同特徵,因此在不同型別的規則之間提供了功能上的分離。
層模型的一個特點是,指定適用的規則是一個多學科的活動,其中法律專家和政策制定者與資訊、資料和通訊專家一起工作。
層模型的一般解釋
該層模型是基於四種型別的層和附加內容。這種特徵描述並非專門針對《環境與規劃法》領域,可能適用於任何規則管理領域,在該領域中,終端使用者的應用是基於法律規則開發的。
- 決策規則層
- 資料規則層
- 轉換規則層
- 互動規則層
決策規則層
這一層是將法律領域翻譯成決策邏輯。
決策規則層的目的是儘可能地按照法律規則的文字、意圖和結構,也就是所謂的同構原則來規定邏輯。
這裡必須對法律領域進行廣義的解釋,因為這不僅涉及立法和法規,而且還涉及例如政策和進一步的專家知識。
可以根據法律規則和所需的法律依據做出的決定,都儘可能按照法律結構來規定。
這種同構固定的目的在於:
- 透過反映邏輯的方式,更好地確保法律規則和業務規則之間的可追溯性。法規的變化對決策邏輯的影響將更容易、更迅速地被發現。在決策規則層,可以在決策和法律基礎層面上對來源("知識來源")進行引用。如果有必要,甚至可以在決策規則層的決策表中加入這個內容。
- 便於確定決策邏輯是否符合基礎法規。
- 提高可識別性,從而提高決策規則被法律專家驗證的能力:
- 模型時間(建模者和法律專家之間的討論更容易,因為模型形成了他們之間的共同語言)。
- 執行時(向終端使用者提出的問題可以透過模型追溯到決策和法律依據,從而追溯到基礎法規)。
決策邏輯層的目標支援該層的關鍵利益相關者,如法律專家、政策制定者和規則分析者,對其具體的決策規則進行明確和結構化的開發、驗證和管理。
資料規則層
決策規則層的重點是翻譯包括法律依據在內的法律規則,而資料規則層的目的是對輸入的事實進行建模,這些事實是為法律依據提供具體價值所必需的。
因此,同構的決策模型可以被 "執行",這樣就可以根據實際的事實來做出決策。
法規通常不會對在哪裡可以找到事實做出說明。例如,法律依據是一棟房子是否是一個紀念碑。法律依據'紀念碑'可以影響關於“是否需要許可證”的決定。
這個事實是否可以從登記處推斷出來?或者這個事實是否必須從終端使用者那裡收集?這些是與法規無關的。
資料規則層提供了在不影響決策邏輯的情況下進一步指定這個執行方面的能力。
這就把邏輯和執行最最佳化地分開了,但透過各層之間的聯絡把它們聯絡起來。
在STTR中,使用了不同型別的資料規則,如透過問題詢問使用者或直接使用登錄檔的事實。
也可以使用實際的幾何位置作為事實,這些位置反過來又遵循確定幾何物件的規定--例如,一條河流的集水區或馬斯特裡赫特的城市中心。
這導致了一個單獨的管理單元的實施,而這正是目標,因為資料規則的起草和管理通常是規則分析員、資訊專家和/或資料專家的領域。
此外,透過法律依據將資料規則與決策規則聯絡起來,可以保證從法律依據到事實的可追溯性。
轉換規則層
當資料型別不同時,轉換規則可能有助於連線資料規則和法律依據。
在決策規則層,邏輯被規定為包含在法律規則中。
資料規則的重點是根據事實給法律依據提供輸入。
法律依據在語義上可能與事實相同,但有時會出現翻譯問題。
例如,法律依據可能是 "18歲或以上",而事實是出生日期。
對於法律依據,可以選擇出生日期來進一步納入邏輯中。
然而,這將包括決策規則層的執行方面,這可能很快使法律模型看起來與實際的法律來源不同,從而違反了同構的原則。
另一個原因是,當只有資訊的提供發生變化時,決策規則不需要改變。這恰恰是會使法律邏輯和執行方面的混合變得複雜的原因。
另一個原因是需要一種使用者友好的提問方式(甚至是一種提問方式,你會讓終端使用者深入瞭解所涉及的法律規範)
例如,讓終端使用者深入瞭解建築物高度的邊界。然後,該問題表明,例如,該建築的界限。你希望能夠調整這些溝通考慮,而不對決策邏輯產生直接影響,因為決策邏輯應該是基於法律規則的。
由於這些原因,在轉換規則層中,可以將外部世界的事實翻譯成法律依據,目的是保持兩層的純粹性。
在這一層,規則分析員和資訊專家將緊密合作。
互動規則層
互動規則層提供了在執行適用規則時進一步指定行為("互動")的能力。
這裡的行為具體指的是在使用者應用中,基於資料規則的問題的呈現。
在資料規則層中,指定了地點和內容:在哪裡可以獲得一個事實(從哪個來源),以及(如果適用)對終端使用者來說是什麼問題。
在決策規則或轉換規則層,法律依據和資料規則之間建立了聯絡。
在互動層,除了是什麼和哪裡,還規定了怎麼做:對事實的質疑應該如何呈現。
這些都是屬性,如表明問題屬於哪個組,或提問的優先順序。在這一層也可以指定(簡單的)輸入檢查。
互動只規定了呈現方式,沒有法律意義。
因此,這一層對事實的解釋或結論的推導沒有影響。畢竟,那是決策規則層的作用。
如果使用者友好的體驗是不相關的(例如,在沒有任何使用者互動的情況下自動決定),那麼互動規則層甚至可以被省略。
規則引擎繼續根據決策規則層中指定的宣告性邏輯進行操作。
由於規則引擎的 "前向推理 "演算法的性質,該演算法總是指出得出結論所需的完整資料集。
互動層所做的是向使用者展示資料的問題集合,規則引擎在任何時候都需要這些資料來得出結論,並按照指定的順序和分組。
一個好的決策模型與相應的 "邏輯 "互動規範結合在一起,提供瞭如此多的控制,以至於你好像在 "推翻 "規則引擎的操作,或者好像它是按程式工作的,而不是按宣告的。
在這裡,和其他層一樣,管理單位也是相關的。
如何將資訊展示給終端使用者,更多的是資訊和通訊專家的領域,而不是法律專家或政策制定者的領域。
內容層
內容層不是一個獨立的層,而是對其他層的補充。
問題可能需要進一步解釋,結論可能需要解釋,或者可以為一個小組提供解釋。
在不同的部分,可能需要以文字、圖片、資訊網站的連結或教學影片的形式新增解釋。
然而,如果問題或結論需要大量的解釋,可以提出決策規則模型是否已經被充分闡述的問題。
溝通專家、決策規則制定者,可能還有法律專家,將能夠共同決定是否應該在決策規則或執行規則層中增加解釋或進行調整。
用於建立決策規則和法律來源之間的可追溯性的法律(來源)參考資料不是內容的一部分。這種可追溯性被精確地記錄在決策規則層,以達到可管理性和合規性的目的。
結論
本文所解釋的層模型為將法律規則轉化為基於各層規則的可執行模型提供了指導。它有助於將執行方面與邏輯分開。來自不同學科的專家可以在整個模型上一起工作。它為他們提供了工作、管理和改變相關部分的可能性,以滿足他們的關注點。在規則管理過程中,透過將適用規則分為不同的層,可以降低適用規則的複雜性和可管理性。鑑於各層所提到的優點,它為規則管理過程的設計提供了一個思想流派,包括概念上和技術上以及工具上。
相關文章
- 如何將法律法則轉化為可執行模型? - brcommunity模型Unity
- 將Python程式(.py)轉換為Windows可執行檔案(.exe)PythonWindows
- AsmL: 可執行的軟體規格 (轉)ASM
- FreeWrap工具,將tcl/tk指令碼轉變為可執行檔案指令碼
- 將PaddleOCR 轉為 ONNX 執行
- maixcam如何無腦執行執行別人的模型(以安全帽模型為例)AI模型
- 戴上Oton智慧眼鏡,可將文字轉化為聲音
- 可本地執行大模型的應用大模型
- 如何制定可執行的seo最佳化步驟
- pandas將Excel的所有行轉化為列表listExcel
- 將一個帶有main方法的jar生成為可執行jarAIJAR
- 資料分析:如何將原始資料轉化為有價值的行動?
- 泛說 "COM執行緒模型" (轉)執行緒模型
- 第十三章——法律法規與標準化知識(2分)
- 如何使用flask將模型部署為服務Flask模型
- Mxnet模型轉化為ncnn模型,並驗證轉化正確性模型CNN
- DMN決策模型的不足之處 - brcommunity模型Unity
- 一文講述如何將預測正規化引入到機器學習模型中機器學習模型
- 行為資產定價模型(轉載)模型
- Python進階:如何將字串常量轉化為變數?Python字串變數
- 如何將BigWig 檔案轉化為 bed 檔案
- js將字串轉為駝峰寫法JS字串
- oracle優化與可持續執行Oracle優化
- 如何將InputStream轉換為DataSource
- 將Tomcat6原始碼轉成可執行的Eclipse專案Tomcat原始碼Eclipse
- 手把手教你如何將 yolov3/yolov4 轉為 caffe 模型YOLO模型
- Linux可執行的檔案(轉)Linux
- mysql 管理:mysql 執行許可權(轉)MySql
- [譯] 將 React 作為 UI 執行時ReactUI
- 將html字串轉化為jquery物件HTML字串jQuery物件
- 六西格瑪測量如何將顧客需求轉換為規格要求?
- 如何將三元組轉化為巢狀字典型別?巢狀型別
- 什麼是規則即程式碼 (RaC) - brcommunityUnity
- 如何用深度學習將前端設計模型自動轉換為程式碼?深度學習前端模型
- 業務規則引擎平臺如何降低程式設計師工作量? - brcommunity程式設計師Unity
- 將Python指令碼打包成可執行檔案Python指令碼
- 將Python程式打包成可執行檔案薦Python
- R語言中如何將科學計數法轉換為數值型R語言