標註方法

語料、卡片、五層欄位、驗證機制與編碼手冊的七次修訂

流程的圖示見「流程圖」分頁

一、語料與卡片

標註的對象不是官網頁面，而是先為每一件產生一張卡片：把官網原文的全部區塊按固定順序組成純文字檔，標註者只讀這張卡片。

這樣做有兩個理由，第二個是關鍵。其一，官網每件的區塊排列不同，直接讀網頁會使 870 件的閱讀範圍不一致，後面的數字就不能比。其二，證據句需要一個明確的比對對象 —— 「逐字」要對誰逐字，答案就是卡片。

二、五層欄位

每件產生一個 JSON，五層同時產出（不是分階段串接）。以下為全庫實際填出的筆數。

A　程序層

聲請人（S 碼）／聲請日期／確定終局裁判（D 碼）／原因案件／聲請依據／受理範圍（含「重要關聯性一併審查」與「聲請而未回應者」）／言詞辯論／鑑定人／併案／暫時處分。聲請人姓名 1,696 筆。

B　實體層

另有逐系爭規定的結論 1,841 筆，每筆標明客體種類與 R 碼 —— 這是舊有「一則解釋一個碼」做不到的層級。

B 層另含審查基準、解釋客體憲法條文、比例原則（逐系爭規定成陣列，另有整體結論）、其他審查原則、附隨命令。

C　引用層

字號正規化 99.8%（2,166／2,171），5 筆因原文為「上開解釋」「前揭本院解釋先例」等承前指稱而無法還原。據此建立引用網絡邊表 2,071 條、526 則被引解釋。

D　相關文件層

聲請書之文件類型／聲請機關或聲請人／聲請人所引（類型碼域與 C 層對齊）。580 件有，290 件為 null（官網原文無此區塊）。

E　人物層

三、驗證機制

鐵律：每一筆判斷都必須附上原文的逐字證據句，中段可用「……」節略，但每一段都必須是該案卡片原文的連續子字串。原文沒寫的一律填 null，不臆測、不補外部法學知識。

三道程式驗證，全庫 34,739 條證據句：

1. 子字串驗證 —— 證據句去空白後為卡片原文之連續子字串。失敗 0。
2. 片段順序驗證 —— 以「……」節略者，各片段在原文中的出現順序須遞增。失敗 0。
3. 欄位齊備與碼域合法 —— 全庫 870 件一律 v2.6.1，無缺漏。

作業中另發現兩項字元層級的問題：卡片含 CJK 相容表意文字（如「劉」U+F9C7）與私用區字元，手打證據句必然對不上，作業規則因此改為證據句一律以程式自卡片切片產生；另有同一法規名稱在同一件內出現兩種 Unicode 編碼（釋字0783），需在併檔階段加一道 NFKC，不在標註階段擅自擇一。

四、編碼手冊的七次修訂

手冊從 v1 改到 v2.6.1。每一次都是文本逼出來的，不是預先設計的。修訂理由本身就是研究發現。

每次修訂後，先前已標的案件都回填到新版，未採「只補新案、舊案不動」的做法。

五、署名列的補收

建庫時的 HTML 解析器只收「有段落編號」的內容。釋字的署名列落在理由書最後一段之內而被收到；憲判字的署名列落在最末段編號之後，整段被丟掉 —— 57 件憲判有 53 件沒有大法官名單。這是資料源的缺漏，不是標註問題。

那 13 件不是抓不到，是工具限制：WebFetch 轉 markdown 時有長度上限，以「照抄你看到內容的最後 N 字」探測，四種問法下截斷點完全相同；已排除 print 參數、判決清單頁、舊站、archive、Ajax 端點等替代路徑，最後改用瀏覽器直接讀頁面文字。補收後 57 件憲判署名列全部到位，並補得兩筆先前漏掉的迴避記載。

缺口與爭點

哪些沒有做、為什麼，以及尚未解決的判斷分歧

870 件全部標註完成，沒有任何一件被跳過或抽樣

一、有全文但未標註：大法官意見書

全文早已存在於資料庫，但沒有進入卡片、也沒有標註。理由是量體 —— 1,941 萬字是本文 434 萬字的 4.47 倍，塞進卡片會使標註對象失焦。折衷做法是把 1,680 篇標題收進卡片：標題本身載明「某大法官提出、某大法官加入」，253 篇含「加入」，光靠標題就能建出意見結盟網絡。

二、官網頁面裡有文字，但建庫時被丟棄

要確知全庫實際有多少件有立場表、多少件有筆錄，需要重跑一次建庫（把附件過濾拿掉）。這是一行程式的修改。

三、欄位為空，但原文本來就沒有

一律填 null 或空陣列並在疑義記明。依鐵律，寧可留空也不推定。

四、其他階段的涵蓋率

五、判斷爭點與 v2.7 的三項裁決

本次 R 碼與既有「釋憲結果.csv」有 232 件重疊，原先不一致 9 件。曾請一位標註者在不知道任何一方編碼的情況下重新判斷這 9 件，結果為 4:5 —— 兩邊各對一半。

裁決一：裁判憲法審查改用 J 碼，R 碼只講法規範

憲訴法第 59 條之裁判憲法審查，處分對象是個案確定終局裁判，主文典型措辭為「牴觸憲法，應予廢棄，發回○○法院」。套進 R1–R8 有兩個後果：字面上 R1 與 R3 同時成立（R1 要求「自公布日起失其效力」，主文並無此語；R3 定義為「未明示失效時點」，字面反而符合），編碼必然搖擺；且法規範的 R 碼統計被個案裁判污染。

新增 J 碼：J1 裁判違憲並廢棄發回／J2 裁判違憲但不廢棄／J3 裁判合憲或聲請無理由駁回／J4 程序不受理。全庫共填 J1 17 筆、J3 8 筆。純裁判憲法審查案件之 R 碼填 R8，並以客體型態區辨。

裁決二：C1 的操作門檻

合憲宣告構成主要處分（→R6）須同時具備：(i) 出現在解釋文／主文（僅見於理由書者不算）；(ii) 客體為與違憲部分不同之系爭規定。

採「不同系爭規定」而非「段落數」或「理由長度」，是因為前者可由 結論[] 直接判讀、可程式化複核，後者依賴標註者對篇幅的主觀感受。本判準使釋字0709 與 0739 一致歸 R6，消除原先的分歧來源 —— 兩案結構幾乎平行，先前卻因合憲部分的份量不同而被標成不同碼。

反面情形：同一系爭規定之範圍限定（「於此範圍內合憲」）不構成獨立合憲宣告，依範圍外部分之處分歸 R1／R2／R3／R5；合憲宣告僅見於理由書者為附帶說明。

裁決三：R5 與 R6 的界線

由前兩項共同決定，不另立規則。裁判違憲既不入 R 碼，即不構成 R6 之違憲項；故「主文一合憲性限縮解釋＋主文二至六裁判違憲廢棄」歸 R5，另填 J1。

複核結果

107 件複核後，28 件 R 碼變更。與舊表的一致率從 96.1% 變為 94.4% —— 一致率下降不代表變差，而是新規則同時修正了舊表與先前標註的兩邊錯誤。原先分歧的 9 件現況：

檔案與重現

產出清單、資料字典要點，以及如何自行驗證

全部檔案均為純文字（JSON／CSV／MD），無專有格式

產出清單

自行驗證證據句

這批資料的核心宣稱是「每一筆判斷都可回溯原文」。要自行查核，只需要 成果/ 與 卡片/ 兩個資料夾：

import json, glob, os, re
nz = lambda s: re.sub(r'\s+', '', s or '')
n = f = 0
for p in sorted(glob.glob('成果/*.json')):
    k = os.path.basename(p)[:-5]
    d = json.load(open(p, encoding='utf-8'))
    card = nz(open(f'卡片/{k}.txt', encoding='utf-8').read())
    def walk(o):
        global n, f
        if isinstance(o, dict):
            for key, v in o.items():
                if key.endswith('證據句') and isinstance(v, str) and v.strip():
                    pos = []
                    for seg in v.split('……'):          # 節略以「……」分段
                        seg = nz(seg)
                        if not seg: continue
                        n += 1
                        i = card.find(seg)
                        if i < 0: f += 1               # ① 子字串
                        else: pos.append(i)
                    if pos != sorted(pos): f += 1      # ② 片段順序
                else: walk(v)
        elif isinstance(o, list):
            for x in o: walk(x)
    walk(d)
print(f'證據句 {n} 條，失敗 {f} 條')   # 應為 34739 條，失敗 0

資料字典要點

• S 碼（聲請人身分）：S1 自然人／S2 法人團體／S3 法院法官／S4 機關／S0 原文載明但身分不明。
• D 碼（確定終局裁判）：依原文載明程度分級，D1 為同一連續文字兼具稱謂與案號者。
• R 碼（合憲性結論）：R1 違憲即時失效／R2 違憲定期失效／R3 違憲未宣告失效／R4 合憲／R5 合憲性解釋／R6 部分違憲部分合憲／R7 程序駁回／R8 其他。衝突規則 C1–C5 見編碼手冊。
• 客體型態：合憲性審查／統一解釋／憲法疑義解釋／補充解釋／裁判憲法審查／其他。任何統計都應先用此欄分流。
• 出處（C 層各引用欄）：本庭論理／聲請意旨／關係機關主張／關係人／被審查客體內文。引用網絡只取第一種。

已知限制

• 引用釋憲 5 筆（0.2%）無法正規化為案號，因原文為承前指稱（「上開解釋」「前揭本院解釋先例」）。
• 署名列補收之 60 件經 markdown 或瀏覽器文字擷取，空白排版與官網 HTML 未必逐字相同；姓名與順序為逐字照錄。
• 卡片含 CJK 相容表意文字與私用區字元，逐字比對時不可正規化。
• 釋字0783 同一法規名稱出現兩種 Unicode 編碼，併檔以名稱為鍵時需加 NFKC。