Cornell-Forscher haben gezeigt, dass mithilfe von Datenwissenschaft und künstlicher Intelligenz erfolgreich erkannt werden kann, wenn Staatsanwälte potenzielle Geschworene anders befragen, um zu verhindern, dass Frauen und Schwarze in Geschworenen mitarbeiten.
In einer einzigartigen Studie verwendeten Forscher Tools zur Verarbeitung natürlicher Sprache (NLP), um Transkripte des Auswahlverfahrens der Jury zu analysieren. Sie fanden mehrere quantifizierbare Unterschiede in der Art und Weise, wie Staatsanwälte schwarze und weiße Mitglieder der Jury befragten. Nach der Validierung könnte diese Technologie Beweise für Berufungsverfahren liefern und in Echtzeit bei der Auswahl der Jury eingesetzt werden, um eine vielfältigere Jury zu gewährleisten.
Die Studie „Quantifying Disparate Questioning of Black and White Jurors in Capital Jury Selection“ wurde am 14. Juli im veröffentlicht Zeitschrift für empirische Rechtsstudien. Erstautorin ist Anna Effenberger.
Streiks gegen Geschworene aufgrund ihrer Rasse oder ihres Geschlechts seien seit dem bahnbrechenden Fall Batson vs. Kentucky des Obersten Gerichtshofs im Jahr 1986 illegal, aber diese Art von Diskriminierung komme immer noch vor, sagte der Co-Autor der Studie, John Blume, Samuel F. Leibowitz-Professor für Prozesstechniken an der Cornell Law School und Direktor des Cornell Death Penalty Project.
„Die Gerichte haben unter anderem geprüft, ob der Staatsanwalt schwarze und weiße Geschworene unterschiedlich befragt“, sagte Blume. „Mit NLP-Software können Sie dies auf einer viel anspruchsvolleren Ebene tun, indem Sie nicht nur auf die Anzahl, sondern auch auf die Art und Weise achten, wie die Fragen zusammengestellt werden.“
Unter der Annahme, dass schwarze und weibliche Geschworene einem Angeklagten – insbesondere einem schwarzen – mehr Mitgefühl entgegenbringen, werden Staatsanwälte sie manchmal dazu drängen, disqualifizierende Informationen preiszugeben. Eine gängige Taktik in Kapitalfällen besteht darin, eine besonders grausame Beschreibung des Hinrichtungsprozesses zu liefern und dann zu fragen, ob die Person bereit wäre, den Angeklagten zum Tode zu verurteilen. Lautet die Antwort „Nein“, wird diese Person aus dem Jury-Pool gestrichen.
Um herauszufinden, ob NLP-Software dieses und andere Anzeichen unterschiedlicher Fragen erkennen kann, arbeitete Blume mit Martin Wells zusammen, dem Charles A. Alexander-Professor für statistische Wissenschaften an der Cornell Ann. S Bowers College of Computing and Information Science und Effenberger analysieren Transkripte von 17 Kapitalfällen in South Carolina. Ihr Datensatz umfasste mehr als 26.000 Fragen, die Richter, Verteidiger und die Staatsanwaltschaft potenziellen Geschworenen stellten.
Die Forscher untersuchten nicht nur die Anzahl der Fragen, die schwarzen, weißen, männlichen und weiblichen potenziellen Juroren gestellt wurden, sondern auch die behandelten Themen, die Komplexität jeder Frage und die verwendeten Wortarten.
„Wir haben bei einer Reihe dieser Maßnahmen durchweg Rassenunterschiede festgestellt“, sagte Wells. „Wenn wir Vorstellungsgespräche führen, haben wir normalerweise eine Liste mit Fragen und wollen jedem die gleiche Frage stellen, und das ist hier nicht der Fall.“
Die Analyse zeigte erhebliche Unterschiede in der Länge, Komplexität und Stimmung der Fragen, die Staatsanwälte schwarzen potenziellen Geschworenen im Vergleich zu weißen stellten, was darauf hindeutet, dass sie wahrscheinlich versuchten, ihre Antworten zu gestalten. Die von Richtern und Verteidigung gestellten Fragen zeigten keine derartigen Rassenunterschiede.
Die Studie fand auch Beweise dafür, dass Staatsanwälte versucht hatten, schwarze Personen zu disqualifizieren, indem sie ihre Ansichten zur Todesstrafe geltend machten. Die Staatsanwälte stellten schwarzen potenziellen Geschworenen – insbesondere denjenigen, die letztendlich vom Dienst befreit wurden – im Vergleich zu weißen potenziellen Geschworenen explizitere und anschaulichere Fragen zu Hinrichtungsmethoden.
In sechs der 17 in der Studie analysierten Fälle hatte ein Richter später entschieden, dass der Staatsanwalt potenzielle Geschworene aufgrund ihrer Rasse illegal abberufen habe. Durch die Betrachtung der kombinierten NLP-Analysen für jeden Fall konnten die Forscher erfolgreich zwischen Fällen unterscheiden, die gegen Batson vs. Kentucky verstießen, und solchen, bei denen dies nicht der Fall war.
Die Forscher sagten, die Ergebnisse beweisen, dass NLP-Tools eine voreingenommene Auswahl von Geschworenen erfolgreich erkennen können. Nun hoffen sie, dass ähnliche Studien mit größeren Datensätzen und vielfältigeren Falltypen durchgeführt werden.
Sobald die Gültigkeit dieser Methode festgestellt ist, „könnte dies während der Auswahl der Jury fast in Echtzeit erfolgen“, sagte Wells.
Ganz gleich, ob diese Software zur Überwachung der Auswahl von Geschworenen oder zur Bereitstellung von Beweisen für eine Berufung eingesetzt wird, könnte diese Software ein leistungsstarkes Werkzeug zur Diversifizierung von Geschworenen sein – insbesondere für Angeklagte, denen möglicherweise die Todesstrafe droht.
Mehr Informationen:
Anna Effenberger et al., Quantifizierung der unterschiedlichen Befragung von schwarzen und weißen Geschworenen bei der Auswahl von Geschworenen in der Hauptstadt, Zeitschrift für empirische Rechtsstudien (2023). DOI: 10.1111/jels.12357