Dialogic onderzocht samen met de Universiteit Leiden, de Universiteit van Amsterdam en de Universiteit Utrecht hoe en hoe vaak de verschillende uitzonderingsgronden uit de Wet open overheid (Woo) worden gebruikt om documenten of onderdelen daarvan niet openbaar te maken. Met dit onderzoek willen we inzicht geven in patronen en verschillen in toepassing en interpretatie, zodat het gesprek over transparantie en zorgvuldige belangenafweging beter kan worden gevoerd op basis van feiten. Dit onderzoek is deel van een Actiepunt van het Actieplan Open Overheid. In het kader van het Open Government Partnership (OGP) – een wereldwijde beweging met meer dan 75 aangesloten landen sinds 2011 – stelt Nederland eens per twee jaar een actieplan op. Het doel is dat overheidsorganisaties, maatschappelijke organisaties en burgers samenwerken aan een opener overheid: een effectievere overheid die burgers en maatschappelijke organisaties beter in positie brengt om gezamenlijk maatschappelijke vraagstukken aan te pakken. In het actieplan staan de ambities van het kabinet en andere actiehouders beschreven. We brengen het gebruik van uitzonderingsgronden zowel kwantitatief als kwalitatief in kaart. Hierin komt vanuit Dialogic o.a. de toepassing van AI als expertise naar voren. We hebben een methode ontwikkeld waarmee we patronen in kaart kunnen brengen in het gebruik van uitzonderingsgronden in Woo-besluiten. Dialogic heeft in het onderzoek 6.746 Woo-dossiers geanalyseerd. Hieronder vielen 8.774 besluitdocumenten die naar fragmenten zijn opgeknipt. Een taalmodel bepaalde of er een uitzonderingsgrond in het fragment werd aangehaald en welke uitzonderingsgronden er in het fragment genoemd werden. Hierbij zijn enkel de fragmenten waar een grond in wordt gedetecteerd relevant. Op WooZM (de Woo zoekmachine) is er door de Universiteit van Amsterdam een integratie gemaakt waarmee je door deze fragmenten heen kunt zoeken, om te zien hoe de inzet van de grond per fragment gemotiveerd wordt. Om op grote schaal hier patronen in te vinden, is er een soort "landkaart" gemaakt. Daarbij zijn alle relevante fragmenten gekleurd op genoemde uitzonderingsgrond en zijn ze geclusterd op tekstuele inhoud. Fragmenten die tekstueel op elkaar lijken, liggen dus dicht bij elkaar. Hierdoor krijg je redelijk snel een beeld van de inhoud van de toelichtingen, zonder dat je handmatig door alle fragmenten heen hoeft te lezen.

Screenshot - Tekstfragmenten met uitzonderingsgronden in Woo-besluiten

Het onderzoek laat zien dat taalmodellen uitzonderingsgronden in Woo-besluiten goed automatisch kunnen herkennen. Daarnaast blijkt dat motiveringen rondom dezelfde uitzonderingsgrond vaak sterke inhoudelijke overeenkomsten vertonen, waardoor met clustering duidelijke patronen en terugkerende formuleringen zichtbaar kunnen worden gemaakt. Zo blijken bepaalde uitzonderingsgronden, zoals de bescherming van persoonlijke beleidsopvattingen, bedrijfs- en fabricagegegevens en de persoonlijke levenssfeer, regelmatig terug te keren in Woo-besluiten. Daarnaast zijn er verschillende thema's te zien binnen eenzelfde uitzonderingsgrond. Dit laat zien dat een grond voor verschillende doeleinden wordt ingezet. Op vormniveau valt op dat besluiten vaak een vergelijkbare structuur hanteren, met vaste onderdelen voor de beoordeling, afweging en onderbouwing van uitzonderingsgronden.

Lees het rapport om toelichting te krijgen bij de methode en resultaten. Verken ook interactief de "landkaart".

2026