诉讼

这篇文章是我们正在进行的系列的一部分翻译宾夕法尼亚lawyer-gibberish诉讼变成可以理解的。术语的定义在大胆的检查本系列文章发布.本系列的文章的列表在本文的结尾。

律师交换文件的要求和防御。但是在你去试验,你要收集证据来支持你的案子(找出卡片另一边玩)。这个过程被称为“发现”有几个工具可以使用。

提出书面问题(疑问和招生要求)

第一个你的律师可能会使用的工具疑问.这些都是写问题到另一边。另一方,他们的律师的帮助下,30天内必须回答的问题(尽管扩展通常给任何类型的发现如果初期而言)。常见的疑问包括:

  • 目击者可能什么信息呢?金宝搏网址吗?
  • 你有一个专家证人吗?吗?
  • 你的损失是什么?吗?

继续阅读使用普通语言解释PA诉讼(第四部分)——谁在一垒?

这篇文章是我们正在进行的系列的一部分翻译宾夕法尼亚lawyer-gibberish诉讼变成可以理解的。术语的定义在大胆的检查推出这个系列的文章.一个列表的所有的文章系列在本文的末尾。

所以去的时候了普通诉讼法庭.是否你先尝试其他措施或选择从这里开始,今天我们走过诉讼当事人如何为他们的索赔和防御系统奠定了基础。

投诉,的答案,和回复

这两个原告被告在描述他们的索赔和诉讼的防御,分别在文档中被称为“原告的起诉状。”这是法律术语的大体类型的法庭文件中,描述什么各方的立场。如果一切顺利,你可以认为这个过程:

  1. 提交投诉- - -原告首先申请一个投诉.的投诉需要轮廓和基本事实的争议原告想要得到的。
  2. 服务投诉——原告服务于投诉被告.一般来说,这必须通过治安官办公室的手从交付的副本投诉.
  3. 检查一个默认的- - -被告必须回复投诉20天内交付给他或她一个副本。如果他或她没有,的原告可以发送一个警告称为“通知违约。”如果被告仍然没有回应,发出违约通知后10天原告可以请求违约的判断.
  4. 接投诉- - -被告响应的每个段落的编号投诉在一个文档被称为回答.因此第一项回答对第一项投诉,等等。
  5. 提高新问题- - -回答也可能包含两种类型的语句以外的反应吗投诉.第一个被称为“新的问题,”哪些是新的事实被告认为是重要的,但原告排除在外。新的问题也可以包含特定类型的法律辩护。第二种类型是“反诉,”哪些是合法要求的原告.反诉是声称可以提出的被告在一个投诉.而是有两个诉讼的同时,双方的索赔处理。
  6. 应对新问题——如果被告的回答有新的物质或反诉,的原告文件他或她自己的应对这些新语句。这被称为响应文档回复来区分的被告的

继续阅读解释用平实的语言(第三部分)- PA诉讼请求(不是第五)

这篇文章是我们正在进行的系列的一部分翻译宾夕法尼亚lawyer-gibberish诉讼变成可以理解的。术语的定义在大胆的检查推出这个系列的文章.本系列中的所有文章列表在本文的末尾。

诉讼过程往往实际开始之前诉讼.

等等,什么?吗?

我的意思是,前面的纠纷往往涉及交流之前你在电视上看到的法院系统,即。的法院共同 请求在宾夕法尼亚州。今天我们来看看常见的事情会发生在我们的法院。

信的需求——踢掉

许多诉讼律师的信中要求采取行动开始。通常被称为需求的信,本文的最后努力原告解决纠纷的法院。虽然这封信不开始开庭,这可能表明,原告是严重的,准备起诉。或者,也许是原告只愿意支付一个字母,并不是真的把你告上法庭。

你怎么看出来的?不幸的是,没有万能的这个问题的答案。这取决于是什么,多强的合法要求,和参与者的人格。有时可以解决争端在这个阶段如果双方都想避免这个问题在法院之前,or it may be necessary to proceed to the next step of litigation.  So when you receive a demand letter,也许是时候跟你的律师计划策略(即使这策略是等待,看看会发生什么)。继续阅读解释PA诉讼用平实的语言(第二部分),它开始吧

两种最常见的投诉我听到作为诉讼律师”为什么它这么贵”和“为什么花了这么长时间。”这两个问题的答案的一部分是发现的程序性规则通常是祝福和诅咒。有利的一面是,方可以全面调查的事实依据。缺点是时间和金钱的探索是有代价的。

精简的发现过程,许多法院采用形式问题(即。写问题)和文档要求特定类型的案件。例如,费城普通诉讼法院形式的发现请求在前提和机动车责任事故情况下使用.这些表单请求律师之间的角力避免请求是否太过宽泛。也可以更快地回答因为律师预期请求将裁缝摄入量形式和客户问卷调查让他们知道他们将需要的信息发现。继续阅读强制性的最初的发现试点项目旨在帮助节省时间和金钱

我们信任我们的电脑处理待办事项列表和日历,因为他们永远不会忘记,对吧?虽然电脑擅长记住我们告诉他们(和一个大感谢谷歌记住我孩子的生日),目前的弱点之一,人工智能(AI)是它不能适用学习什么在不同的场景。例如,一个人工智能学会下棋没有腿的时候学习下棋。从本质上讲,电脑有一个“”灾难性的忘记”问题,迫使他们重新学习他们已经知道只是因为他们面对一个新项目。

研究人员正在突破为了克服这个“健忘”问题.工作与神经科学家,研究人员正在试图人工智能学习更像人类,这样他们就可以应用他们所学到的东西在一个上下文没有重新开始另一个相关的上下文。换句话说,教会电脑学习更像人类这样做他们停止忘记他们已经学到了什么。继续阅读教学电脑不要忘记可以减少诉讼成本