# Alcance ético del proyecto

**Proyecto:** JEM-Full — archivo del Jurado de Enjuiciamiento de Magistrados preparado para IA
**Fase:** 1 del plan de [`JEM.md`](../../JEM.md)
**Estado:** borrador para adopción por el equipo

> Usa la convención de etiquetado descrita en [`marco-legal.md`](marco-legal.md) §0:
> `[Dato]`, `[Inferencia]`, `[Propuesta]`, `[Verificar]`.

Este documento fija **qué hace y qué no hace el proyecto**. Su función es que las
decisiones de alcance estén escritas antes de que la presión de un plazo las
tome por nosotros.

---

## 1. Objeto declarado

`[Propuesta]` El proyecto estudia **la preparación de un archivo documental
público para su uso por sistemas de IA**. Su unidad de análisis es el documento y
la causa, no la persona.

**El proyecto no es**, y debe rechazar activamente ser leído como:

- una evaluación del desempeño del JEM como órgano;
- una auditoría de la conducta de magistrados individuales;
- un sistema de perfilamiento de jueces, fiscales o denunciantes;
- una herramienta de predicción de decisiones judiciales.

`[Inferencia]` Esta delimitación no es sólo prudencia institucional: es lo que
hace que el trabajo sea metodológicamente honesto. Un corpus con la tasa de error
de OCR aún sin medir y con la extracción de votos sin construir **no puede
sostener ninguna afirmación sobre conducta individual**. Afirmarlas sería un error
técnico antes que ético.

---

## 2. Superficie de recolección: qué sí y qué no

### 2.1 Incluido

`[Propuesta]` Sólo la **superficie pública de consulta**:

| Fuente | Naturaleza |
|---|---|
| Resoluciones publicadas (autos interlocutorios, sentencias definitivas) | Publicación de oficio |
| Dictámenes | Publicación de oficio |
| Expedientes escaneados de acceso público | Publicación de oficio |
| Órdenes del día y actas de sesión | Publicación de oficio |
| Informes estadísticos institucionales | Publicación de oficio |
| Marco normativo publicado por el JEM | Publicación de oficio |

### 2.2 Excluido deliberadamente

`[Propuesta]` Queda **fuera del alcance**, y su exclusión debe declararse en el
artículo:

| Fuente | Motivo de exclusión |
|---|---|
| Sistema transaccional autenticado (presentación de escritos, seguimiento por las partes) | Requiere usuario y contraseña. Automatizar el acceso sería acceso indebido, con independencia de que las credenciales existieran. |
| "Trámite Digital de Antecedentes" | Datos personales sensibles de postulantes, ajenos al objeto del estudio. |
| Cualquier documento obtenido por error de configuración del servidor | Que sea técnicamente alcanzable no lo hace público. Si aparece, se reporta al JEM y no se incorpora. |
| Datos de partes obtenidos por cruce con fuentes externas | Multiplicaría el riesgo de reidentificación sin aportar al objeto de estudio. |

`[Propuesta]` **Regla de decisión ante la duda:** si para obtener un documento hace
falta sortear un control de acceso —autenticación, CAPTCHA, límite de tasa,
cabecera de robots— el documento está fuera de alcance. La barrera técnica se
interpreta como manifestación de voluntad del órgano, aunque sea débil.

---

## 3. Conducta técnica frente a los servidores del JEM

`[Propuesta]` Toda recolección futura (Fase 2) debe:

1. Identificarse con un `User-Agent` honesto, que incluya el nombre del proyecto y
   una forma de contacto.
2. Respetar `robots.txt` aunque no sea jurídicamente vinculante.
3. Limitar la concurrencia y la tasa de petición a niveles que no degraden el
   servicio. `[Inferencia]` Los portales corren sobre JSF con estado de sesión en
   el servidor; la concurrencia agresiva puede agotar sesiones y afectar a
   usuarios reales.
4. Preferir la sincronización incremental al re-scraping completo.
5. Registrar cada descarga con URL, fecha, hora y código de respuesta —requisito
   de procedencia que hoy **no se cumple** (ver [`../../MANIFEST.md`](../../MANIFEST.md) §7).

`[Propuesta]` Ejecutar la recolección en horario de baja demanda y detenerla ante
cualquier señal de degradación del servicio.

---

## 4. Personas identificables en el corpus

### 4.1 Qué contiene realmente

`[Dato]` Medido sobre el corte vigente:

- Los nombres propios aparecen **en las rutas de archivo**, no sólo en el texto:
  el inventario contiene entradas del tipo `Auto_Interlocutorio_126-2020 -
  Investigación Preliminar <NOMBRE Y APELLIDOS>`.
- **49 archivos** tienen `adolescencia` en su ruta y **63** tienen `Niñez`.
- **325 documentos** con texto extraído mencionan `adolescencia`; **289** mencionan
  `Niñez`.

`[Inferencia]` Las menciones a la jurisdicción de la niñez y la adolescencia
corresponden mayoritariamente a la **competencia del magistrado enjuiciado**, no a
que el menor sea parte. Pero **no está verificado**, y hasta verificarlo debe
asumirse el caso más restrictivo.

### 4.2 Categorías de personas y tratamiento diferenciado

`[Propuesta]` No todas las personas nombradas están en la misma posición:

| Categoría | Posición | Tratamiento |
|---|---|---|
| Magistrados y agentes fiscales enjuiciados | Funcionarios públicos, en ejercicio de función pública, sometidos a un procedimiento público | Menor expectativa de privacidad. Tratamiento estándar. |
| Integrantes del JEM | Ídem, en ejercicio de función pública | Ídem. Son el objeto de la extracción de votos. |
| Denunciantes | Particulares que activaron un procedimiento público | Expectativa intermedia. **Evaluar seudonimización en derivados publicados.** |
| Terceros mencionados incidentalmente (testigos, víctimas, familiares) | No eligieron estar en el expediente | **Mayor protección. No deben ser entidades normalizadas ni indexadas como tales.** |
| Menores de edad | Protección reforzada | **Exclusión de cualquier derivado publicado.** |

`[Propuesta]` La capa Gold normaliza entidades **sólo para las dos primeras
categorías**. Extender el reconocimiento de entidades a todo nombre propio del
texto convertiría el corpus en un índice de personas — exactamente el efecto de
agregación que el proyecto identifica como riesgo.

### 4.3 El efecto de agregación

`[Inferencia]` El riesgo principal no es que un documento sea público —ya lo es—
sino que **4.627 documentos dispersos se conviertan en una base consultable**. La
búsqueda semántica sobre el corpus completo produce perfiles que no existían
cuando los documentos estaban separados. Es un cambio de naturaleza, no de grado.

`[Propuesta]` Convertirlo en **indicador medible** dentro del índice FAIR ampliado
(Fase 9), tal como sugiere `JEM.md` §3.9: tasa de menciones a terceros no
involucrados directamente, y tasa de documentos que contienen categorías de datos
sensibles. Medir el riesgo es preferible a declararlo.

---

## 5. Publicación de resultados

`[Propuesta]` Escalonar lo que se publica según su riesgo:

| Artefacto | Publicación | Condición |
|---|---|---|
| Código, esquemas, scripts de evaluación | Sí, abierta | Sin condición |
| Manifiesto e inventario agregado (conteos, distribuciones) | Sí, abierta | Sin condición |
| Métricas de calidad (CER/WER, precisión, FAIR) | Sí, abierta | Sin condición |
| Banco de preguntas de evaluación | Sí, abierta | Sin datos personales en los enunciados |
| Metadatos por documento (tipo, número, fecha, causa) | Sí | Revisión previa de carátulas, que contienen nombres |
| Texto extraído por OCR | **Decisión abierta** | Requiere la Fase 6 cerrada y decisión sobre seudonimización |
| Entidades y votos estructurados | **Decisión abierta** | Requiere la Fase 8 cerrada. Ver §6 |

`[Propuesta]` **Ninguna cifra sobre votos se publica antes de que la Fase 8 mida su
fiabilidad.** `JEM.md` §11 lo identifica como riesgo reputacional y tiene razón:
una estadística de "decisividad" de un integrante del JEM, derivada de un extractor
sin auditar, es una afirmación sobre una persona real sostenida por un número que
todavía no sabemos si es correcto.

---

## 6. Tratamiento de la incertidumbre

`[Propuesta]` Regla no negociable, heredada de `JEM.md` §13:

> **`NO_DETERMINABLE` nunca se convierte en cero, en ausencia, ni en abstención.**

`[Inferencia]` Es la salvaguarda ética más importante del diseño técnico. Si el
extractor no puede determinar el sentido de un voto, la respuesta correcta es "no
determinable", no "no votó". La diferencia entre ambas, agregada sobre cientos de
resoluciones, es la diferencia entre describir un archivo y difamar a una persona.

`[Propuesta]` Los estados de determinación (`confirmado`, `probable`, `ambiguo`,
`no_determinable`, `no_aplicable`) deben sobrevivir a toda agregación posterior:
si un gráfico del artículo no puede representar la incertidumbre, se cambia el
gráfico, no el dato.

---

## 7. Relación con el JEM

`[Propuesta]`

- El proyecto **no requiere autorización** del JEM para estudiar documentos que el
  órgano publica por mandato legal, y no debe presentarse como avalado por él.
- **Notificar al JEM** antes de publicar el artículo es una cortesía institucional
  razonable y una oportunidad de corrección de errores fácticos. No implica
  someter los hallazgos a aprobación.
- Si se detectan **errores en los datos publicados por el JEM** (documentos
  corruptos, metadatos inconsistentes, documentos faltantes), reportarlos. El
  proyecto encontró 2 archivos vacíos, 2 inválidos y 1 corrupto; esa información
  es útil para el órgano.
- Si se detecta una **exposición indebida de datos personales** en el sitio del
  JEM, reportarla de forma privada y **no incluirla en el artículo** hasta que el
  órgano haya podido responder.

---

## 8. Límites que el equipo se impone

`[Propuesta]` El proyecto **no hará**, aunque sea técnicamente posible:

1. Publicar rankings de magistrados, integrantes del JEM o cualquier persona.
2. Entrenar modelos predictivos sobre decisiones o conductas individuales.
3. Cruzar el corpus con registros externos (redes sociales, padrones, registros
   públicos de otra naturaleza) para enriquecer perfiles.
4. Publicar el texto completo de documentos que contengan datos de menores.
5. Usar el corpus para fines comerciales sin una revisión ética específica.
6. Presentar métricas derivadas de una fase no auditada como si fueran hallazgos
   establecidos.

`[Propuesta]` Revisar esta lista en la Fase 11 y de nuevo antes de la entrega
(Fase 12). Si alguna restricción resultara incompatible con el trabajo, la salida
correcta es discutirla y documentar el cambio —no ignorarla en silencio.

---

## Documentos relacionados

- [`marco-legal.md`](marco-legal.md) — Leyes 5282/2014 y 7593/2025
- [`licencia-derivados.md`](licencia-derivados.md) — condiciones de reutilización
- [`../../MANIFEST.md`](../../MANIFEST.md) — corte vigente y su limitación de procedencia