“数据法学”荣誉课程辅修学位项目的基本设想是培养一批具有法学思维和计算机思维，掌握相应法学专业知识和计算机专业知识的学生。通过学习，学生能够将具有法学理论和实践意义的问题转化为可以通过计算机处理或协助处理的问题，然后能够运用现有的计算机技术和能力加以解决，或者在现有的计算机能力或平台基础上培养或研发能够解决法律问题的计算机能力。为此，我们为这个课程项目提供了一系列与计算机联系最为紧密的法律领域的课程，包括法律数据分析基础和实践课程、网络法学、金融科技与法律监管、人工智能与法律规制以及计算机软件保护法等。课程设计遵循精简、基础、以实际操作为主、鼓励团队合作等原则。上课形式包括课堂讲授、案例教学、还有上机操作和实践等多种形式。这些课程同时向法学院学生开放，届时不同专业的本科生可以在同一课堂上就交叉领域的问题互相讨论，共同提升。

1 教学团队

目前“数据法学”荣誉辅修学位项目团队10位成员中有教授3位、副教授6位，本校的博士生导师3位，硕士生导师7位；项目成员分别就职于法学院、信息学院、数学科学研究院和统计学院，教育背景涉及法学、信息学、统计学等，形成了一支知识结构、职称结构、年龄结构合理的教学与科研梯队，拥有较强的研究实力和教学实力。

项目团队成员在法学和计算机科学交叉领域的科研成果丰富，具有充足的优势学术资源。项目团队成员积极参与《中华人民共和国民法典（专家建议稿）》起草、《个人信息保护法（专家建议稿）》起草；参加证券法、期货法、电子商务法起草专家组和相关课题组；参与《著作权法（修订草案送审稿）》立法专家咨询会等多方面立法相关活动；参与由国家标准化管理委员会指导、中国电子技术标准化研究院承担的《人工智能标准化白皮书（2018版）》的编写；参加国家人工智能标准化工作，担任人工智能与社会伦理道德标准化研究专题组组长单位；参加中国信息通信研究院牵头会同中国电子技术标准化研究院、国家工业信息安全发展研究中心等单位共同发起成立的“中国人工智能产业发展联盟”政策法规组（副组长单位）；参与中国电子技术标准化研究院主持的《中国人工智能开源软件发展白皮书》的编写；参加中国人工智能学会法律与伦理专委会（筹）等。

2 软硬件条件

“数据法学”荣誉辅修学位项目是依托于中国人民大学法学院设立的荣誉辅修学位项目。我院法学学科在教育部连续多轮学科评估中位列全国第一，在教育部第四轮学科评估中位列全国第一，并入选“双一流”建设学科。学院现有数据法学实验室、图书馆和会议室等基础硬件设施，为本项目的顺利实施以及教学质量的提高提供坚实的设施支持。数据法学实验室已经采购了两台服务器，能够正常、良好地运行，具备让学生们进行实际操作的条件。研究院与最高检信息中心有紧密合作，承担或参加了科技部、司法部的相关重点项目，与大数据企业有密切地往来和合作关系，可以提供足够的技术支持和保障。

中国人民大学法学院近年还成立了未来法治研究院旨在集中、深入、系统地开展前沿科技与法律的交叉研究、课程改革、人才培养、跨领域交流和国际合作，打造为新科技与法律紧密结合、交叉融通的研究平台，未来法学领军人才的孵化平台，适应未来法治建设需要的高端人才培养平台，面向世界法学界、具有重要国际影响力的合作交流平台。目前已启动了一系列课程改革，例如在“互联网金融”课程中邀请新技术领域专家讲授人工智能技术在大数据征信领域的运用、区块链基本原理及其在金融等领域的应用；开设面向非法学专业学生的涉及前沿网络法问题的系列课程等。

法学院拥有独立的图书馆，目前，学院图书馆有中外文图书2万余册，在订专业期刊70余种，馆藏基本涵盖了包括法学各学科以及前沿法学和科技交叉领域在内的各种专业书籍资料。学院图书馆于2007年初加入校图书馆图书集成管理系统，图书采编、检索、借还等均实现了网络化管理，上述资料资源均将为荣誉课程辅修的学生开放。此外，法学院还将为荣誉课程辅修的学生提供研讨室，能够最大限度满足参与本荣誉课程辅修学位项目的本科生进行相关文献检索、阅读与学习的需求，为学生在课后开展专业学习和讨论提供了便利。

3 课程体系目录设置及简介

“数据法学”荣誉课程辅修学位共12学分。其中，包括学科基础课两门、实践应用课两门、能力拓展课两门；在第一学期，学生需完成全部学科基础课和部分实践应用课程的学习；在第二学期，学生需完成剩余实践应用课和全部能力拓展课程的学习。

学科基础课

1.网络法与信息法：2学分

(Cyber Law and Information Law)

本课程探讨在网络时代与信息时代下出现的各类法律问题，例如大数据与隐私权问题；言论自由问题、虚拟财产问题；谣言治理问题；网络平台责任问题；电子商务、搜索引擎以及社交网络等不同形式的互联网模式中存在的法律问题等等。本课程力图将网络时代与信息时代出现的新问题与法律中的经典理论问题结合起来，实现理论与现实的密切勾连。

2.法律数据分析基础：2学分

(Basics for Legal Data Analysis)

本课程紧贴司法实务和学术研究前沿，以大规模法律文书数据的处理和分析过程为中心，介绍计算机编程技术、社会统计方法在法学研究领域的具体运用。本课程强调自身内容的实用性、简单性、趣味性，重视团队合作和自主探究，以培养学生的创新思维和学科交叉能力为最终目标。主要讲授获取数据、提取要素、数据分析、撰写报告或论文的基本方法，提取的要素为通用的、简单的要素，重在介绍基本方法。

实践应用课

1. 大数据、金融 科技与法律监管：2学分

(Big data，FinTech and Regulations)

阐释大数据时代的金融与法律逻辑和实现路径，剖析数据治理与个人信息保护以及大数据如何运用于金融科技与金融监管等大数据时代社会与经济的新命题。专题分析大数据治理、大数据与数字货币、大数据与征信、大数据与信息披露、大数据与金融消费者保护以及大数据与监管。培养互联网大数据、金融与法律融合型人才，以期促进政产学研健康发展，使大数据、金融科技更好地助力供给侧改革与“大众创业、万众创新”，在我国经济转型升级过程中发挥更大的作用。

2. 法律数据分析实践：2学分

(Practice and Analysis of Legal Data)

本课程紧贴司法实务和学术研究前沿，以大规模法律文书数据的处理和分析过程为中心，介绍计算机编程技术、社会统计方法在法学研究领域的具体运用。本课程强调自身内容的实用性、简单性、趣味性，重视团队合作和自主探究，以培养学生的创新思维和学科交叉能力为最终目标。本实践课主要是要求学生在实验室已有的研究基础上开展实践，由实验室提供数据和基础代码，不再要求学生提取通用的、基本无意义的要素，而是根据不同的文书类型、根据自身的理解和需求，提取专门的、有研究价值的要素，并在此基础上形成有价值的报告或论文。

能力拓展课

1. 计算机软件知识产权保护专题：2学分

(Intellectual Property Protection for Computer Software)

计算机产业正处于快速蓬勃发展的时期，其中软件知识产权保护是当前重要的热点问题之一，存在多样的诉讼纠纷和丰富的理论探讨。另一方面，在著作权法角度，软件属于技术产品，与著作权法保护的传统对象——文学艺术科学作品有一定差异；在专利法角度，关于计算机软件可专利性等问题在实务界及学界都存在争议。本课程将围绕计算机软件知识产权保护问题，结合具体案例和实务，介绍相关的主要概念、法律规定和理论观点，以期帮助同学们对计算机软件知识产权保护具有较为全面的了解，并深入了解其中主要焦点问题的研究和实践状况。

2. 人工智能与法律规制：2学分

(Artificial Intelligence and Legal Regulation)

人工智能的时代已经来临，从自动驾驶到医疗机器人技术，人工智能技术已经对法律形成了很大的挑战。本课程对人工智能的基本原理进行介绍，对人工智能的法律规制进行探讨。

4 项目团队成员简介（排名不分先后）

王轶 教授

中国人民大学法学院教授、院长兼党委副书记、未来法治研究院院长，教育部长江学者特聘教授，中国法学会民法学研究会副会长兼秘书长，中国法学会民法典编纂项目领导小组成员、秘书长，中国法学会案例法学研究会副会长等。在民法学领域发表论文多篇，出版著作多部，主持国家社科基金重大项目1项，教育部人文社会科学重点研究基地重大项目1项，参与合同法、物权法、侵权责任法、民法典等重要法律专家建议稿的起草工作，获评全国十大杰出青年法学家、首都十大杰出青年法学家等荣誉称号。

杨东 教授

中国人民大学法学院教授，中国人民大学法学院副院长、金融法研究所、竞争法研究所副所长兼秘书长。全国人大法工委、财经委证券法、期货法、电子商务法课题组和起草组专家；国务院互联网金融专项整治办公室专家；国家互联网金融安全技术专家委员会委员；欧美同学会－中国留学人员联谊会金融委员会第一届委员会委员；中国人民银行现代支付与互联网金融研究中心学术委员会委员等。研究领域：互联网金融、金融科技（Fintech）、证券法、金融法、竞争法、企业并购法等。在《中国社会科学》、《Hongkong Law Journal》（SSCI）等发表中外论文80多篇，并出版金融服务统合法论（该书获得教育部第七届高等学校科研优秀成果奖三等奖）等共160 多万字的著作。

窦志成 教授

中国人民大学信息学院教授。目前任基于大数据文科综合训练虚拟仿真实验教学中心执行副主任。主要研究兴趣为信息检索、自然语言处理，大数据分析等，近年来聚焦于如何将深度学习技术应用于上述领域。目前已在国际知名会议和学术期刊上（如SIGIR、WWW、CIKM、WSDM、EMNLP及IEEE TKDE等）发表论文40余篇，于2013年获得国际信息检索大会(SIGIR2013)最佳论文提名奖，2012年获得亚洲信息检索大会(AIRS 2012)最佳论文奖。担任多个国际学术会议（如SIGIR、WWW、KDD、WSDM、CIKM、EMNLP）和期刊的程序委员会成员和编委，任信息检索领域旗舰会议SIGIR 2019的短文程序委员会主席，亚洲信息检索协会筹划指导委员会主席(2018)，AIRS 2016（亚洲信息检索学术会议）联席大会主席，AIRS 2017程序委员会主席，日本国立情报学研究所（NII）信息检索评测会议（NTCIR）Intent-2任务和IMINE任务的组织者之一。窦志成博士是SIGIR Beijing Chapter的发起人之一，担任多项学术兼职，是中文信息学会信息检索专委会执委委员、中国人工智能学会智能服务专委会委员、中国中文信息学会青年工作委员会委员（YSSNLP）、中国计算机学会大数据专家委员会通讯委员、智慧检务创新研究院专家。除研究工作外，窦志成博士乐于将研究想法实现成可运行的系统，擅长于讲最新的人工智能和大数据技术应用于实践，主持开发了时事探针系统，主讲了《大数据分析导论》、《网络群体与市场》等多门跨学科课程。

龚新奇 教授

中国人民大学数学科学研究院，数学智能应用实验室负责人，副教授，研究员，博士生导师。中国计算机学会生物信息学专业委员会创始委员，Molecular Based Mathematical Biology杂志的Guest Editor，美国哈佛大学访问学者，主持多项省部级以上课题研究。

张吉豫 副教授

中国人民大学法学院副教授，中国人民大学未来法治研究院执行院长。北京大学计算机专业学士、博士（直博）；中国人民大学知识产权法博士后。中国法学会网络与信息法学研究会副秘书长，中国法学会中国知识产权法学研究会理事，中国法学会中国案例法学研究会知识产权专业委员会委员。在知识产权法、网络法等方向发表中英文论文多篇，中文专著1部。

丁晓东 副教授

中国人民大学法学院副教授，中国人民大学未来法治研究院副院长。耶鲁大学法学硕士、法学博士；中国人民大学法学博士后；北京大学法学博士；中山大学法学硕士、电子与通信工程专业学士。在个人信息保护、算法规制、网络法等领域于国内外期刊发表中、英文学术论文多篇，完成英文博士论文1部，专著1部。

王莹 副教授

中国人民大学法学院副教授，中国人民大学未来法治研究院副院长。德国弗莱堡大学法学博士；北京大学法学硕士；东南大学法学学士。在网络平台责任、刑法学等领域深入研究，发表学术论文多篇；曾获北京大学与德国弗莱堡大学交流项目巴登福特堡州奖学金，德国学术交流奖学金 (DAAD Scholarship)；合作翻译德国人工智能领域优秀学术论文。

郭锐 副教授

中国人民大学法学院副教授。中国政法大学法学学士，法学硕士；哈佛大学法学硕士（LL.M），法学博士（S.J.D）。哈佛大学法学院残障人项目（Harvard Law School Project on Disability）研究员；中国法学会证券法学研究会理事；最高人民法院民事审判第四庭外国法查明研究基地、中国政法大学外国法查明研究中心首批外国法查明专家。发表中英文论文多篇，在契约法的研究中著有译著两部；参与起草商务部《外资法修订立法专家建议稿》；参与由国家标准化管理委员会指导、中国电子技术标准化研究院承担的《人工智能标准化白皮书（2018版）》的编写；获2017年度中国人民大学法学院教学优秀奖。

邓矜婷 副教授

中国人民大学法学院副教授、中国人民大学反腐败法治研究中心副主任、中国人民大学未来法治研究院数据法学研究中心/数据法学实验室联合主任，中国人民大学法学院证据学教研室党支部书记。美国密歇根大学法学院法律博士（Juris Doctor）,美国印弟安纳大学伯明顿校区法学院法律科学博士（Doctor of Juridical Science）。在证据法、反腐败法治、司法制度、网络法学领域发表中英文论文13篇，其中有5篇发表在SSCI排名前列的期刊上，并被像哈佛法学评论等著名期刊文章多次转引。出版著作一部，主持两个省部级项目。论文获第十一届中国法学青年论坛三等奖。获评北京市法学会“百名法学优秀青年”荣誉称号。

王菲菲 博士

中国人民大学统计学院讲师。2008年-2012年在中国人民大学统计学院获得经济学学士学位，2012年-2017年在北京大学光华管理学院获得经济学博士学位，学习期间于2015年8月至2016年8月赴美国杜克大学统计系进行学术访问。感兴趣的研究领域包括文本挖掘、数据挖掘、社交网络建模、贝叶斯分析等，在Statistics in Medicine、The American Statistician、Electronic Commerce Research等国内外高水平学术期刊和国际会议上发表文章近10篇。主持博士后科研基金1项，参与科技部国家重点研发计划2项。在产业实践上，对大规模文本数据建模、机器学习方法具有丰富的实战经验。