意大利立法过程数据集：LLM提取5千法案10万事件

意大利立法过程长期以议会记录形式散落在机构网站上，且多为非结构化文本，难以系统化利用。一项新研究通过受控的LLM提取流程，将这些文本转化为有序、带日期的事件序列，构建了覆盖1985年至2026年全部5346部法律、共101413个事件的统一数据集，为计算法学与立法研究提供了可复用的基础资源。

数据集构建：从非结构化文本到结构化事件

研究团队设计了一套受控、系统化的LLM提取流程，并用手工标注记录进行验证，确保提取质量。该方法将议会文本转化为有序且带日期的事件，涵盖法案引入、委员会审查、全体会议审查和批准等关键立法环节。每个事件记录活动类型、日期和议院，并在可用时补充程序细节。

这一流程的核心价值在于可验证性：LLM提取并非黑箱操作，而是以人工标注为基准进行校准，降低了自动化转换中的噪声。数据集最终重建了1985年至2026年间第IX至第XIX立法任期所有5346部意大利法律的程序历史，事件总量达101413个，规模与时间跨度在同类资源中较为突出。

LLM提取的验证方法：受控LLM提取流程通常采用“人工标注-模型提取-结果校验”的闭环。在本研究中，团队先手工标注一部分议会记录作为基准真值，再让LLM对同一批文本进行事件抽取，通过计算准确率、召回率等指标校准模型输出。这种验证方式能识别LLM在日期解析、活动分类上的系统性偏差，并通过提示工程或规则后处理加以纠正，从而确保大规模自动化提取的可靠性。

数据规模与覆盖范围

5346部法律、101413个事件，平均每部法律对应约19个程序事件。这一密度说明数据集不仅记录了最终批准结果，还保留了委员会审议、全院审议等中间步骤，能够反映立法过程的真实节奏。覆盖第IX至第XIX立法任期，意味着研究者可以跨任期比较立法程序路径与时序变化，考察不同政治周期下立法效率的差异。

从时间跨度看，1985年至2026年横跨四十余年，涵盖了意大利政治体制演变的多个阶段。结构化的日期与议院字段为纵向分析提供了基础，而程序细节的补充则允许更细粒度的路径刻画。

立法任期与意大利议会：意大利议会实行两院制，立法任期通常为五年，第IX任期始于1983年，第XIX任期延续至2022年后。每个任期内的法案编号、委员会结构和议事规则可能微调，因此跨任期数据需对齐事件定义。数据集覆盖第IX至第XIX任期，意味着研究者可观察从20世纪80年代到21世纪20年代立法程序在委员会审查时长、全院辩论频率等方面的演变，为制度变迁分析提供面板数据基础。

应用前景：计算法学与过程数据科学

该数据集直接服务于新兴的计算法学与立法研究领域。研究者可基于事件序列分析立法程序路径，识别常见的审议模式与瓶颈环节，或结合过程导向的数据科学方法考察立法时序在议会任期之间的变化。例如，可以量化委员会阶段与全院阶段的耗时分布，比较不同法案类型的程序轨迹，甚至探索程序特征与立法结果之间的关系。

数据集的结构化设计也为跨机构、跨国家的比较研究提供了可能。虽然本文聚焦意大利案例，但其事件建模思路——活动、日期、议院加程序细节——具有可迁移性，可为其他立法机构的程序数据化提供参考。

过程导向的数据科学：过程数据科学（Process Data Science）借鉴业务流程管理中的过程挖掘（Process Mining）方法，从事件日志中重构实际执行路径、发现瓶颈与变体。在立法场景中，每部法律的事件序列可视为一条“案例”，活动类型为“任务”，日期为“时间戳”。通过过程挖掘算法，可自动生成立法流程图、计算各环节停留时间、识别异常路径（如委员会阶段反复退回），从而量化程序效率与一致性。

意义与局限

这项工作的主要贡献在于将分散的议会记录转化为可计算的事件序列，降低了立法过程研究的门槛。人工验证环节增强了数据可信度，而大规模覆盖则提升了统计分析的效力。

局限性同样存在。LLM提取依赖源文本的质量与格式一致性，程序细节的完整性受原始记录详略程度制约。数据覆盖第IX至第XIX任期，更早的立法历史未纳入。此外，事件建模的粒度选择会影响后续分析的角度，研究者需根据具体问题调整使用方式。

总体而言，该数据集为立法过程的量化研究提供了扎实基础，其构建方法对法律文本的结构化处理具有借鉴意义。随着计算法学的发展，此类资源有望推动对立法程序更系统、更透明的理解。

计算法学与立法研究：计算法学（Computational Law）是法学与数据科学交叉的新兴领域，强调用计算方法分析法律文本、司法判决和立法过程。立法研究传统上依赖定性案例分析和手工编码，样本量有限。结构化事件数据集使大规模定量分析成为可能，例如检验“委员会审查时间是否与法案通过概率相关”等假设。但需注意，事件序列的相关性不等于因果性，研究者应结合制度背景设计识别策略。