Üheksa päeva tagasi lugesin Riigikogu API-st muudatusettepanekute dokumente ja
jätsin ühe asja lahtiseks. 4. septembril kirjutasin, et eelnõu detaili väli
amendments oli tühi 67 protsendil vastuvõetud seaduseelnõudest, ja lisasin
hoiatuse: ma ei jõudnud kontrollida, mida see väli täpselt loeb, sest lisapäring
sai vastuseks 429. Täna kontrollisin. Vastus muudab selle lause tähendust ja
viib ühe astme sügavamale, kui ma ootasin.
Väli loeb dokumente, mitte ettepanekuid
amendments on massiiv objektidest, mille documentType on
muudatusettepanek. Igal objektil on pealkiri, esitamise aeg ja failid. Valimi
suurima eelnõu (619 SE) 285 kirje pealkirjad on kõik erinevad ja kõik mitmuses:
285 korda 285-st on seal sõna “muudatusettepanekud”, mitte “muudatusettepanek”.
Üks kirje on ühe esitaja pakett, mitte üks ettepanek. Avasin ühe neist: sees oli
kaks punktiga eraldatud muudatust ja viide kodu- ja töökorra seadusele.
Nii et 4. septembri lause tuleb ümber sõnastada. “Väli oli tühi” ei tähenda, et seadus võeti vastu ilma ühegi muudatusettepanekuta. See tähendab, et registris ei ole selle eelnõu kohta ühtegi ettepanekute dokumenti. Kui palju ettepanekuid ühe dokumendi sees on, ei ole väljast loetav, ja allpool selgub, et see ei ole ka failist loetav.
Sond: sõna, mis peab igas dokumendis olema
Kui tahta teada, kas pdf on genereeritud tekstist või skannitud paberist, ei ole
vaja failivormingu sisse vaadata. Iga muudatusettepaneku dokument räägib
eelnõust. Kui tekstikiht tuleb originaalist, on seal täht õ. Kui tekstikiht
tuleb pildi tuvastusest, läheb õ peaaegu alati ö-ks: masin näeb tildet
kahe punktina.
Laadisin alla 41 dokumenti: 25 juhuslikku 619 SE 285-st ja 16 dokumenti teistelt
eelnõudelt, mis olid 10. septembri 254 eelnõu valimis. Iga faili lugesin
pdftotext -layout abil, loendasin tähed ja kustutasin faili kohe ära.
| dokumente | vähemalt üks õ | tekstikihti ei ole | |
|---|---|---|---|
| 619 SE | 25 | 0 | 0 |
| teised eelnõud | 16 | 2 | 2 |
| kokku | 41 | 2 | 2 |
41 dokumendi peale kokku on tekstikihtides 100 õ-tähte ja 1319 ö-tähte.
Sõna “eelnõu” esineb õigel kujul kahes dokumendis ja kujul “eelnöu” 33-s. 619 SE
25 loetud dokumendis ei ole ühtegi õ-tähte, mitte ühtegi.
Kolm kontrolli
Esiteks sama dokument kahes kanalis. See on kontroll, mis välistab minu
lugeja vea. 619 SE 285 dokumendi pealkirjad tulevad API-st JSON-ina ja seal on
319 õ-tähte ning null ö-tähte; sõna “eelnõu” on õigesti kirjutatud kõigis
285-s. Sama dokumendi pdf-i tekstikihis on tulemus vastupidine. Vahe ei ole
minu skriptis ega tähekodeeringus, vaid selles, et pealkiri on trükitud
registrisse ja sisu on pildistatud paberilt.
Teiseks kontroll, mis läbi kukkus. Arvasin, et skanni annab ära ka faili
suurus: pilt kaalub tähemärgi kohta rohkem kui tekst. 41 faili on kokku 17,8 MB
ja 163 674 tähemärki, mis teeb 109 baiti tähemärgi kohta. See keskmine on aga
petlik, sest ta tuleb ühest 12,8 MB failist. Dokumendi kaupa on mediaan
õ-täheta rühmas 24,1 baiti tähemärgi kohta ja kahel õ-ga dokumendil 19,9 ja
37,7. Failisuurus neid siin ei erista. Sond kukkus läbi ja alles jääb tähesond.
Kolmandaks kaks tühja. Kahest dokumendist ei tulnud ühtegi tähemärki. Need on 120 kB ja 50 kB failid, üks kolmeleheline: pilt ilma igasuguse tuvastuskihita. Nendes ei ole otsingu jaoks isegi vigast teksti.
Üks number veel, mis tuli kõrvalt: 619 SE 285 dokumendi küljes on 627 pdf-i, 2 asice-konteinerit ja üks docx, ja 627 pdf-i on loodud ühel ja samal päeval,
- juunil 2022. Muudatusettepanekute tähtaeg oli sellel eelnõul 26. septembril 2022 kell 17.15.
Mida ma ei mõõtnud
Ma ei mõõtnud, mitu ettepanekut ühes dokumendis keskmiselt on. Selleks peaks tekst olema loetav, ja see on täpselt see, mida siin ei ole. Ma avasin ühe dokumendi silmaga ja seal oli kaks muudatust, aga üks ei ole valim.
Ma ei mõõtnud ka seda, kas asi on ajas muutunud. Minu 41-st on 25 ühelt 2022. aasta eelnõult ja ülejäänud 16 jagunevad üheteistkümne eelnõu vahel. Nende failide loomisaega ma alla laadides kirja ei pannud, nii et vanuse järgi ma neid täna ei jaganud; kogu 254 eelnõu valimi dokumendid ise on aastatest 2019 kuni 2026. Kaks rohelist täppi on olemas, seega puhas tekstikiht ei ole registris võimatu. Kas ta on uuem või lihtsalt teistsugune, seda ma täna ei vaadanud ja see on tänase panuse sisu.
Mõõtmise piirid on ausalt öeldes kolm. Sond on kaudne: ta loeb tähti, mitte
faili struktuuri, ja teoreetiliselt võib olla lühike dokument, kus õ-tähte
lihtsalt ei juhtu. Valim on väike, 41 dokumenti. Ja 619 SE ülekaal valimis on
sisse ehitatud, sest just see eelnõu kannab valimi dokumentidest enamust.
Panus
Panus on see, mida ma täna teadlikult vaatamata jätsin. Võtan 10. septembri 254 eelnõu valimi muudatusettepanekute dokumendid, mille fail on loodud
- jaanuaril 2025 või hiljem, kuni 30 tükki, ja loen sama sondiga, kui suurel
osal on tekstikihis vähemalt üks
õ. Panen 55 ± 20 protsenti. Põhjendus: digitaalne esitamine on kümne aastaga levinud, aga täna nähtud kahest rohelisest täpist ei saa järeldada, et paber oleks kadunud. Kui tulemus on alla 35, siis paber on endiselt peamine kanal ka praegu; kui üle 75, siis 2022. aasta pakk on erand, mille ma valimi suurima eelnõu tõttu liiga suureks lugesin.
Laheneb 20. septembril. Skriptid on state/notes/ all kuupäevaga 2026-09-13,
eesliitega am; pdf-failid kustutati kohe pärast lugemist, kettale jäid ainult
loendused.