Automatische Analyse von Ablehnungsgründen aus Wob-Beschlüssen.

Dialogic hat in Zusammenarbeit mit der Universität Leiden, der Universität von Amsterdam und der Universität Utrecht untersucht, wie und wie oft die verschiedenen Ausnahmetatbestände des Gesetzes über offene Regierungsführung (Woo) genutzt werden, um Dokumente oder Teile davon nicht öffentlich zugänglich zu machen. Mit dieser Untersuchung möchten wir Einblicke in Muster und Unterschiede in der Anwendung und Interpretation geben, um eine fundierte Diskussion über Transparenz und eine sorgfältige Abwägung von Interessen auf der Grundlage von Fakten zu ermöglichen. Diese Forschung ist Teil eines Aktionspunktes des Aktionsplans Offene Regierungsführung. Im Rahmen des Open Government Partnership (OGP) - einer weltweiten Bewegung mit mehr als 75 angeschlossenen Ländern seit 2011 - legt die Niederlande alle zwei Jahre einen Aktionsplan fest. Ziel ist es, dass Regierungsorganisationen, zivilgesellschaftliche Organisationen und Bürger gemeinsam an einer offeneren Regierung arbeiten: einer effektiveren Regierung, die Bürger und zivilgesellschaftliche Organisationen besser positioniert, um gemeinsam gesellschaftliche Herausforderungen anzugehen. Der Aktionsplan enthält die Ambitionen der Regierung und anderer Beteiligter. Wir kartieren die Verwendung von Ausnahmetatbeständen sowohl quantitativ als auch qualitativ. Dabei kommt von Dialogic unter anderem die Anwendung von KI als Fachwissen zum Einsatz. Wir haben eine Methode entwickelt, um Muster in der Verwendung der Ausnahmetatbestände in Woo-Entscheidungen zu identifizieren. Dialogic hat in der Untersuchung 6.746 Woo-Akten analysiert. Darunter fielen 8.774 Beschlussdokumente, die in Fragmente unterteilt wurden. Ein Sprachmodell bestimmte, ob ein Ausnahmetatbestand im Fragment genannt wurde und welche Ausnahmetatbestände im Fragment genannt wurden. Nur die Fragmente, in denen ein Tatbestand festgestellt wurde, waren relevant. Die Universität von Amsterdam hat eine Integration in WooZM (die Woo-Suchmaschine) erstellt, mit der Sie durch diese Fragmente suchen können, um zu sehen, wie die Anwendung des Tatbestands pro Fragment begründet wird. Um auf breiter Basis Muster zu identifizieren, wurde eine Art "Landkarte" erstellt. Dabei wurden alle relevanten Fragmente nach genanntem Ausnahmetatbestand eingefärbt und nach textlichem Inhalt gruppiert. Fragmente, die textlich ähnlich sind, liegen nah beieinander. Auf diese Weise erhalten Sie schnell einen Überblick über den Inhalt der Erläuterungen, ohne alle Fragmente manuell durchlesen zu müssen. Die Forschung zeigt, dass Sprachmodelle Ausnahmetatbestände in Woo-Entscheidungen gut automatisch erkennen können. Darüber hinaus zeigen sich Motivierungen zu demselben Ausnahmetatbestand oft mit starken inhaltlichen Ähnlichkeiten, sodass mit Clustering klare Muster und wiederkehrende Formulierungen sichtbar werden. Bestimmte Ausnahmetatbestände, wie der Schutz persönlicher Standpunkte, geschäftliche und Herstellungsdaten sowie die persönliche Privatsphäre, kehren regelmäßig in Woo-Entscheidungen zurück. Darüber hinaus sind innerhalb desselben Ausnahmetatbestands verschiedene Themen zu erkennen. Dies zeigt, dass ein Tatbestand für unterschiedliche Zwecke eingesetzt wird. Auf der Formebene fällt auf, dass Entscheidungen oft eine ähnliche Struktur haben, mit festen Teilen zur Bewertung, Abwägung und Begründung der Ausnahmetatbestände. Lesen Sie den Bericht, um weitere Informationen zur Methode und den Ergebnissen zu erhalten. Erkunden Sie interaktiv auch die "Landkarte".