Woogle — o motor de pesquisa holandês de PLN para 3 milhões de processos de acesso à informação, agora testado com registos da Estónia

A Lei de Governo Aberto neerlandesa (Woo), em vigor desde 2022, criou para os organismos públicos o dever legal de publicar proativamente muitos mais documentos divulgados ao abrigo de pedidos de acesso à informação, mas não existia forma centralizada de os encontrar, pelo que a Universidade de Amesterdão criou o Woogle, um motor de pesquisa gratuito que centraliza as divulgações Woo/Wob.

O Woogle propôs-se tornar pesquisáveis mais de três milhões de dossiês neerlandeses de acesso à informação digitalizados, apesar das redações, da rotulagem inconsistente entre organismos e dos digitalizados agrupados, testando também se o mesmo modelo funcionaria fora do contexto neerlandês.

O pipeline aplica reconhecimento ótico de carateres a documentos com partes ocultadas, segmentação de fluxo de páginas para reconstruir os limites originais dos documentos a partir de digitalizações agrupadas, e extração e classificação automática de metadados para compensar a rotulagem inconsistente; em maio de 2025 este trabalho foi formalizado no ICAI OpenGov Lab, um laboratório de investigação conjunto entre a Universidade de Amesterdão e a organização neerlandesa de gestão da informação do governo (RvIHH), liderado pelo Dr. Maarten Marx e pelo Dr. Jaap Kamps, com o Dr. David Graus como gestor do laboratório, alargando as ferramentas a investigação em modelos de linguagem de grande escala e geração aumentada por recuperação.

A documentação revista por pares publicada na revista Data (MDPI) situa o acervo do Woogle em mais de três milhões de dossiês de acesso à informação, apresentados em mais de onze milhões de páginas normalizadas, provenientes de mais de 1000 organismos públicos neerlandeses distintos, e o mesmo estudo relata que quase 10 mil documentos estónios foram carregados com sucesso na plataforma, apesar da fricção real criada pelos formatos de assinatura digital ASiC-E e BDOC da Estónia e por títulos de documentos genéricos e inconsistentes.

O teste de transferência publicado para a Estónia é prova direta de que a abordagem do Woogle não é uma ferramenta puramente neerlandesa em língua e esquema, ainda que a extensão estónia continue a ser um projeto-piloto em fase de investigação com menos de 10 mil documentos, face ao sistema neerlandês já totalmente operacional, e ainda não foi publicada nenhuma medição dos resultados de utilização por cidadãos ou jornalistas.