Woogle is een platform met als doel om alle documenten die onder de Woo (Wet open overheid) vallen van alle bestuursorganen vanaf één plek goed doorzoekbaar, toegankelijk en beschikbaar te maken. Woogle is begonnen met Woo-dossiers, de vrijgegeven documenten na een Woo verzoek, maar biedt nu ook allerlei soorten actief openbaar gemaakte overheidsinformatie aan. Zie https://woogle.wooverheid.nl/overview voor een overzicht.
Woogle werkt op één onderdeel na net als Google: men zoekt met zoektermen, eventueel verfijnd met filters, en vervolgens wordt een lijst met resultaten teruggegeven, gesorteerd op basis van de beste overeenkomst met de zoekopdracht.
Het verschil met Google is dat de Woogle altijd gehele dossiers als resultaat teruggeeft, en dus geen afzonderlijke documenten uit die dossiers. Wel wordt voor elk dossier tien relevante "startpunten" in de dossiers aangegeven. Deze worden gelinkt via de nummers 1-10 onder de beschrijving van ieder dossier in de lijst van resultaten en zijn geordend op basis van de beste overeenkomst met de zoekopdracht. De eerste is dus de door Woogle meest passend geachte pagina om met lezen te starten. Bij het openen van het PDF-bestand in de browser wordt men direct naar die gewenste pagina midden in het PDF-document gebracht, en worden de zoektermen die in op die pagina voorkomen gehighlighted.
De vrijgegeven documenten na een Woo-verzoek vormen op een natuurlijke wijze een dossier. Ook bij andere informatiecategorieën is dit soms het geval: een agendapunt uit een raadsvergadering met alle bijbehorende stukken, of een onderzoeksrapport met allerlei bijlagen bijvoorbeeld. Maar natuurlijk zijn er ook documenten die alleen staan. Dan geven we die toch als dossier, dat dan bestaat uit 1 document, samen met de voor ons bekende metadata.
Woogle verwijst, ook net als Google, altijd naar de oorspronkelijke plek waar een Woo-document gepubliceerd is. Het bewaart dus zelf géén PDFs. In het geval dat de oorspronkelijke link naar een bestand niet meer uitkomt bij dat (PDF) bestand (een dode link of 404 error) laat Woogle de tekst uit dat bestand met slechts basale layout zien.
Woogle is begonnen als zoekmachine voor Woo-dossiers, documenten vrijgegeven na een verzoek onder de Wet open overheid (Woo). Zo'n dossier bestaat meestal uit de volgende onderdelen:
Woogle probeert die documenten correct te classificeren, maar dat is door onhandige of niet aanwezige naamgeving aan de bron niet altijd mogelijk.
Woogle is een zogenaamde full text search zoekmachine. Dat betekent dat Woogle elk woord dat in elk onderdeel van elk dossier staat kent, en kan gebruiken om het document na een zoekopdracht te vinden.
Het is een ietwat vreemde gewoonte om alle vrijgegeven documenten na een Woo verzoek niet individueel, maar gecombineerd in één groot PDF-bestand openbaar te maken. Alle ministeries doen dit bijvoorbeeld, maar dit is niet nodig (zie de dossiers uit Waalwijk). Vaak wordt het Woo-verzoek, het besluit en de inventarislijst daar ook aan toegevoegd.
Voor computers is het niet mogelijk om de gecombineerde bestanden te herstellen naar de oorspronkelijke individuele documenten. Zelfs met de meest geavanceerde AI deep learning technieken, gaat dit maar in 4 van de 5 gevallen goed.
Dit is de reden om de gebruiker voor ieder resultaat tien links naar specifieke punten in het resultaat aan te bieden. De gecombineerde documenten zijn vaak honderden, tot duizenden pagina's lang. Omdat ze in veel gevallen ook nog bestaan uit afbeeldingen, kunnen ze enorm groot zijn en kan het laden ervan lang duren.
Dit dossier uit 2022, vrijgegeven door het Ministerie van Justitie en Veiligheid bevat enkel gecombineerde vrijgegeven documenten, met geen enkel door de computer leesbaar woord. Jammer genoeg is dit voor bijna de helft van de vrijgegeven documenten op Woogle het geval.
Dit blijkt ook als een gebruiker binnen het document probeert te zoeken (Ctrl+F). Als de zoekterm wel aanwezig is in het document, maar niet wordt gevonden, dan is de term niet leesbaar voor de computer. Dit maakt de documenten slecht bruikbaar.
Om bestanden bruikbaarder te maken past Woogle optische karakter herkenning (OCR) toe op elk bestand. Hierbij worden teksten beschouwd worden als een afbeelding en wordt patroonherkenning toegepast om alle letters en woorden om te zetten naar computer-leesbare tekst. Dit gaat vaak goed, maar niet altijd foutloos. Bij het gebruiken van Woogle kan men op twee typen fouten stuiten:
In sommige gevallen is een bestand wel leesbaar, maar is niet het oorspronkelijke bestand vrijgegeven. In plaats daarvan is een ingescand document vrijgegeven, dat vervolgens niet (geheel) succesvol leesbaar gemaakt is. Een voorbeeld hiervan uit een vrijgegeven document is:
HetRijkende provincesstaanvooreenbelangrijkeengrootschaligeopgaven hetverlagenvande
stikstofdepositiein Natura2000gebieden
In tegenstelling tot veel traditionele zoekmachines past Woogle de karakterherkenning opnieuw toe op documenten. Hierdoor is de kans groter dat de zoekmachine het bestand wel vindt wanneer zoektermen als Natura2000 of stikstofdepositie gebruikt worden.