Automatisk analys av avslagsgrunder i beslut enligt Woo.

Dialogic har tillsammans med Universitetet i Leiden, Universitetet i Amsterdam och Universitetet i Utrecht undersökt hur och hur ofta de olika undantagsgrunderna från Lagen om öppen förvaltning (Woo) används för att inte offentliggöra dokument eller delar därav. Denna undersökning syftar till att ge insikt i mönster och skillnader i tillämpning och tolkning, för att bättre kunna föra en diskussion om transparens och omsorgsfull avvägning baserat på fakta. Denna forskning är en del av en åtgärd inom Handlingsplanen för öppen förvaltning. Inom ramen för Open Government Partnership (OGP) - en global rörelse med över 75 anslutna länder sedan 2011 - upprättar Nederländerna vartannat år en handlingsplan. Målet är att myndigheter, civilsamhället och medborgare samarbetar för en mer öppen förvaltning: en effektivare förvaltning som bättre positionerar medborgare och civilsamhället för att gemensamt ta itu med samhälleliga frågor. Handlingsplanen beskriver regeringens och andra åtgärdsförares ambitioner. Vi kartlägger användningen av undantagsgrunder både kvantitativt och kvalitativt. Här framgår Dialogics tillämpning av AI som expertis. Vi har utvecklat en metod för att kunna kartlägga mönster i användningen av undantagsgrunder i Woo-beslut. Dialogic har analyserat 6 746 Woo-aktdosssier i undersökningen. Dessa inkluderade 8 774 beslutsdokument som delats upp i fragment. Ett språkligt modell bedömde om ett undantagsgrund nämndes i fragmentet och vilka undantagsgrunder som nämndes där. Endast fragment där en grund upptäcktes ansågs relevanta. På WooZM (Woo-sökmotorn) har Universitetet i Amsterdam skapat en integration som gör det möjligt att söka igenom dessa f ragment för att se hur motivet för att använda grunden motiveras per fragment. För att hitta mönster på stor skala har en slags "landkarta" skapats. Alla relevanta fragment har färgkodats enligt nämnd undantagsgrund och grupperats efter textinnehåll. Fragment som liknar varandra textuellt är därför nära varandra. På så sätt får man snabbt en uppfattning om innehållet i förklaringarna utan att behöva läsa igenom alla fragment manuellt. Undersökningen visar att språkmodeller kan identifiera undantagsgrunder i Woo-beslut automatiskt. Dessutom visar det sig att motiveringar kring samma undantagsgrund ofta har starka innehållsmässiga likheter, vilket gör att kluster kan visa tydliga mönster och återkommande formuleringar. Vissa undantagsgrunder, som skydd av personliga policyuppfattningar, företags- och tillverkningsdata samt personlig integritet, återkommer regelbundet i Woo-beslut. Dessutom finns olika teman inom samma undantagsgrund. Detta visar att en gr und används för olika ändamål. På formnivå märks det att beslut ofta följer en liknande struktur, med fasta delar för bedömning, avvägning och motivering av undantagsgrunder. Läs rapporten för att få förklaring på metoden och resultaten. Utforska även interaktivt "landkartan".