Analyse automatique des motifs de refus dans les décisions de l'Omgevingswet

Dialogic a mené une étude en collaboration avec l'Université de Leiden, l'Université d'Amsterdam et l'Université d'Utrecht sur la manière dont et à quelle fréquence les différentes exceptions de la Loi sur l'ouverture du gouvernement (Woo) sont utilisées pour ne pas rendre publics des documents ou des parties de ceux-ci. Cette étude vise à fournir un aperçu des schémas et des différences dans l'application et l'interprétation, afin de mieux informer le dialogue sur la transparence et l'évaluation soigneuse des intérêts sur la base de faits. Cette recherche fait partie d'une initiative du Plan d'action pour un Gouvernement Ouvert. Dans le cadre du Partenariat pour un Gouvernement Ouvert (OGP) - un mouvement mondial comprenant plus de 75 pays participants depuis 2011 - les Pays-Bas élaborent un plan d'action tous les deux ans. L'objectif est que les organisations gouvernementales, les organisations de la société civile et les citoyens collaborent à un gouvernement plus ouvert : un gouvernement plus efficace qui place les citoyens et les organisations de la société civile dans une meilleure position pour résoudre ensemble les problèmes sociaux. Le plan d'action décrit les ambitions du gouvernement et des autres acteurs concernés. Nous cartographions l'utilisation des exceptions à la fois de manière quantitative et qualitative. De la part de Dialogic, l'application de l'IA comme expertise ressort notamment. Nous avons développé une méthode permettant de cartographier les schémas d'utilisation des exceptions dans les décisions basées sur la Woo. Dans le cadre de l'étude, Dialogic a analysé 6 746 dossiers Woo, comprenant 8 774 documents décisionnels fragmentés. Un modèle linguistique a déterminé si une exception était invoquée dans le fragment et quelles exceptions étaient mentionnées dans le fragment. Seuls les fragments contenant une exception détectée étaient pertinents. L'Université d'Amsterdam a mis en place une intégration sur WooZM (le moteur de recherche Woo) permettant de parcourir ces fragments pour voir comment l'application de l'exception était motivée. Pour identifier ces schémas à grande échelle, une sorte de "carte" a été créée. Tous les fragments pertinents ont été colorés selon l'exception mentionnée et regroupés selon le contenu textuel. Les fragments textuellement similaires sont donc regroupés, permettant une compréhension rapide du contenu des explications sans avoir à lire manuellement tous les fragments. Le rapport montre que les modèles linguistiques peuvent bien reconnaître automatiquement les exceptions dans les décisions Woo. De plus, il apparaît que les motivations entourant une même exception présentent souvent de fortes similitudes de contenu, permettant de visualiser clairement des schémas et des formulations récurrentes grâce à la clustérisation. Certaines exceptions, telles que la protection des opinions politiques personnelles, des données commerciales et de fabrication, et de la vie privée, reviennent régulièrement dans les décisions Woo. En outre, différentes thématiques sont observées au sein d'une même exception. Cela indique que la même exception est utilisée à différentes fins. Au niveau de la forme, on constate que les décisions ont souvent une structure similaire, avec des parties fixes pour l'évaluation, la pondération et la justification des exceptions. Consultez le rapport pour obtenir des explications sur la méthode et les résultats. Explorez également de manière interactive la "carte".