意识形态的谱系：美国上诉法院的预测协议和有说服力的模因-研究论文

我们采用机器学习技术来识别美国上诉法院案件中有助于确定异议的共同特征和特征。 我们的模型能够以 73% 的平均 F1 分数预测投票一致性，我们的结果表明，意见的长度、意见中的引用次数和投票效价都是决定异议的关键因素。 这些结果表明案件的某些高级特征可用于预测异议。 我们还使用法官的座位模式探讨了异议的影响，我们的结果表明，两位法官坐在一起的频率的原始计数在异议中起作用。 除了异议之外，我们还分析了出现在意见中的模因短语的概念——这些短语看到了一些流行的火花，但最终在使用中消失了——并试图将它们与异议联系起来。