Leveraging Large Language Models for Learning Complex Legal Concepts through Storytelling

将法律知识普及化对于提高公民的法律素养和鼓励民主参与至关重要。然而，对于非法律背景的人来说，法律文件往往难以理解。本文介绍了一种新的大型语言模型（LLMs）在法律教育中的应用，通过讲故事这种有效的教学工具来帮助非专业人士学习复杂的法律概念。我们还介绍了一个新的数据集LegalStories，其中包含295个复杂的法律原则，每个原则都附带有一个故事和一组由LLMs生成的多项选择题。为了构建数据集，我们尝试使用各种LLMs生成解释这些概念的法律故事。此外，我们使用专家循环方法来迭代设计多项选择题。然后，我们通过对数据集中的10个样本进行RCT实验，评估了LLMs讲故事的有效性。我们发现，与仅使用定义相比，LLM生成的故事增强了非母语人士对法律概念的理解和对法律的兴趣。此外，故事始终帮助参与者将法律概念与他们的生活联系起来。最后，我们发现，使用故事学习的非母语人士在后续评估中的记忆保持率更高。我们的工作对于在法律领域及其他领域中使用LLMs促进教学和学习具有强烈的意义。

如何利用大型语言模型（LLMs）帮助非法律专业人士理解复杂的法律概念？

使用LLMs生成法律故事，以故事叙述的方式让非专业人士更容易理解法律概念，并通过专家参与的方法设计多项选择题目进行测试和评估。

论文介绍了一个新的数据集LegalStories，包含295个复杂的法律条文，每个条文都有一个故事和一组由LLMs生成的多项选择题目。通过RCT实验，论文发现使用LLMs生成的法律故事可以提高非母语人士对法律概念的理解和对法律的兴趣，并且可以帮助参与者将法律概念与自己的生活联系起来。最终，学习故事的方式表现出比学习定义的方式更高的保留率。

近年来，也有一些研究探索了如何利用自然语言处理技术来帮助非专业人士理解法律文本，例如《自然语言处理在法律领域的应用》和《基于语义分析的法律文本自动化处理方法》。