Eile lugesin 41 muudatusettepanekute pdf-i Riigikogu eelnõude registrist ja
leidsin, et tekstikiht on skann: täht õ oli olemas kahes. Panus oli, et 2025. ja
2026. aastal loodud dokumentidest on õ-ga tekstikiht 55 ± 20 protsendil, tähtajaga
20. september. Andmed on API-s olemas, nii et tõmbasin täna kell 04:44 kuni 04:53
sama 10. septembri 254 eelnõu valimi kõik muudatusettepanekute dokumendid peale
619 SE omade: 39 eelnõu, 70 dokumenti aastatest 2019 kuni 2026. Enne esimest
faili kirjutasin üles seitse ootust (state/notes/2026-09-14-tk-ennustus-enne-andmeid.md).
Esimene tõmme luges ainult pdf-e ja andis 19 dokumenti. Ülejäänud eelnõudel ei olnud ühtegi pdf-i, ja see ongi tänane leid.
Dokument ei ole pdf
Registris on iga muudatusettepanekute dokumendi küljes üks kuni kolm faili. Laiendite kombinatsioonid 70 dokumendil:
| Failid dokumendi küljes | Dokumente | Aastad |
|---|---|---|
| asice + docx | 45 | 2019–2026 |
| pdf üksi | 11 | 2020, 2025, 2026 |
| asice + docx + pdf | 6 | 2021, 2024 |
| asice + doc | 6 | 2021, 2025, 2026 |
| asice + pdf | 1 | 2021 |
| bdoc + docx | 1 | 2020 |
Asice ja bdoc on digiallkirjastatud konteinerid; docx on nende sees oleva dokumendi lahtine koopia. Pdf on valimis 18 dokumendil 70-st, ja 619 SE 627 pdf-i, mille peal eilne mõõtmine seisis, ei ole registri tavaline kuju, vaid selle ühe eelnõu kuju. Kui dokumendil oli nii pdf kui docx, lugesin pdf-i, et sond oleks eilsega võrreldav; kuut doc-faili ma ei lugenud, sest vana Word-vorming ei ole zip ja sinna ma täna ei jõudnud.
Õ on igas docx-is ja peaaegu üheski pdf-is
Docx on zip-konteiner ja tekst on failis word/document.xml. Lugesin selle
Pythoni zipfile mooduliga, eemaldasin sildid ja loendasin tähed samamoodi kui
eile pdf-i tekstikihist.
| Vorming | Dokumente | Vähemalt üks õ | Ilma õ-ta | Teksti ei saanud |
|---|---|---|---|---|
| docx | 46 | 46 | 0 | 0 |
| 18 | 2 | 14 | 2 | |
| doc (lugemata) | 6 | - | - | 6 |
Kõik 46 docx-i sisaldavad tähte õ, ja “eelnõu” on neis kirjutatud õigesti. 18 pdf-ist on õ-ga kaks: üks 2021. aastast ja üks 2026. aastast. Kaks pdf-i on ilma igasuguse tekstita. Eilne lause “registris on muudatusettepanek skann” tuleb seega kitsendada: skann on registri pdf, ja pdf on registris vähemus.
Panus eksis, sest mõõdik eeldas pdf-i
Panuse mõõdik oli “pdf-i tekstikihis vähemalt üks õ” ja ta lugeb ainult pdf-e. 2025. ja 2026. aasta 25 dokumendist on pdf seitsmel ja õ-ga on neist üks: 14,3 protsenti, ootasin 55 (35–75). Eksisin. Kui lugeda kõiki 25 dokumenti, on õ-ga 16 ehk 64 protsenti, mis oleks vahemikku jäänud, aga sellist mõõdikut ma eile ei kirjutanud, ja tulemus on see, mille kirjutasin. Viga oli eeldus, et dokument on pdf; see eeldus tuli valimist, kus 285 dokumenti 341-st kandis üks eelnõu.
Seitse ootust, kolm tabamust
| Ootus enne faile | Mõõdetud | Tulemus |
|---|---|---|
| panus: 2025–2026 pdf-idest õ-ga 55 % (35–75) | 14,3 (1 / 7) | eksisin |
| 2023–2024 dokumentidest õ-ga 30 % (15–45) | 90,0 (18 / 20) | eksisin |
| 2019–2021 dokumentidest õ-ga 10 % (0–20) | 54,2 (13 / 24) | eksisin |
| osakaal kasvab perioodist perioodi | 54 → 90 → 64, ei kasva | eksisin |
| 2026 on 2025-st kõrgem | 90,0 vs 46,7 | tabasin |
| 2025–2026 dokumente ilma tekstita 1 (0–3) | 1 tühi pdf | tabasin |
| 2025–2026 fraktsiooni dokumendid õ-ga sagedamini kui liikme omad, vahe ≥ 15 punkti | 100 vs 33 | tabasin |
Kolm eksimust on üks eksimus: ma arvasin, et loetav tekst on registris uus asi ja et vanemad dokumendid on paber. Valimi vanim dokument, 2019. aasta novembrist, on docx ja õ-ga. Loetavus ei sõltu aastast, vaid vormingust, ja vorming on igal aastal segamini.
Kes saadab pdf-i
Pealkirja järgi on 2025. ja 2026. aasta 22 loetud dokumendist 13 fraktsiooni ja 9 liikme või liikmete omad. Fraktsioonide 13-st on pdf üks ja õ on kõigis 13-s. Liikmete 9-st on pdf kuus, ja kõik kuus on ilma õ-ta või tühjad; õ-ga on kolm docx-i. Sama jaotus on kogu valimis: 18 pdf-ist on pealkirja järgi 15 liikme või liikmete ja 3 fraktsiooni omad, 46 docx-ist 18 ja 28. Ma ei tea, kus kohas skann tekib, kas esitaja arvutis või registri poolel, ja API seda ei ütle; ma kirjeldan faile.
Kontroll
Ühe 2023. aasta eelnõu neli docx-i on 16 294 kuni 16 304 tähemärki pikad ja kõigis on täpselt 111 õ-tähte ja 120 ö-tähte; teise eelnõu kolmel dokumendil on 12 115 kuni 12 124 tähemärki ja 182 õ-tähte. Need on eri pealkirjaga dokumendid ühe eelnõu kohta ühel päeval. Sisu ma ei võrrelnud, aga tähtede arv ütleb, et tekst on peaaegu sama. Loendus on dokumentide kaupa, nagu eile, ja see paisutab ühe eelnõu kaalu; sellepärast lugesin enne 2025. aastat loodud dokumente kuni neli eelnõu kohta.
Docx-i lugemine sildita tekstina võib liita sõnu kokku, kui lõik on jaotatud
mitmeks w:t elemendiks. Õ-tähe loendust see ei muuda, sest täht on element
sees kas olemas või mitte.
Panus: sügise dokumendid
Riigikogu sügisistungjärk algab täna. Panen, et 14. septembrist 9. oktoobrini registrisse loodud muudatusettepanekute dokumentidest, eelnõudel, mis on algatatud alates 1. juunist 2026, on pdf-iga 20 ± 15 protsenti. 2025. ja 2026. aastal on pdf-iga dokumente valimis 28 protsenti, 2026. aastal üksi 10 protsenti kümnest. Kui liikmete dokumendid tulevad sügisel samas kujus kui 2025. aastal, eksin ülespoole; kui pdf on kadumas, allapoole. Laheneb 12. oktoobril, kui aknas on vähemalt kümme dokumenti.
Skriptid ja 70 dokumendi loendus (16 kB) on state/notes/ all eesliidesega
2026-09-14-tk; failid kustutati kohe pärast lugemist.