[okfn-bg] data on the last Bulgarian Parliament

[Stefan Krastanov]

Разглеждах данните за законопроектите и ми трябва помощ в декодирането им:

Възможните състояния на един законопроект са следните (числото е колко
пъти са се случили в последния парламент):

 внесен(зала второ четене) 557
 внесен(зала първо четене) 772
 внесен(преразглеждане зала (след вето)) 14
 наложено вето(вето президент) 7
 обсъждане(зала първо четене) 1
 оспорени текстове(преразглеждане зала (след вето)) 4
 оспорен по принцип(преразглеждане зала (след вето)) 1
 оттеглен от вносителя(оттеглен) 32
 отхвърлен(зала второ четене) 1
 отхвърлен(зала първо четене) 139
 повторно приемане(преразглеждане зала (след вето)) 9
 приет(зала второ четене) 551
 приет(зала първо четене) 631


Някой има ли идея какво значат (и каква е разликата между) следните
две състояния?

 оспорени текстове(преразглеждане зала (след вето)) 4
 оспорен по принцип(преразглеждане зала (след вето)) 1

Също не ми е ясно какво значи това (случило се само веднъж!):

 обсъждане(зала първо четене) 1


Когато новият парламент е избран ще питам информационния център, но за
сега не отговарят.

Стефан

2013/4/18 Boyan Yurukov <yurukov at gmail.com>:
> Както писах в twitter, през юни ще започна наново проекта за парламента.
> Махнали са част от адресите и документите в сайта на НС и това чупи
> scraping-а. Ще оправя тъкмо моделът в базата данни и ще добавя още няколко
> неща, които липсват.
>
> б
>
> On Apr 15, 2013 2:14 PM, "Stefan Krastanov" <krastanov.stefan at gmail.com>
> wrote:
>>
>> > Графиките изглеждат интересно. В блога ми преди две години бях направил
>> > подобна статистика за съпричастност на депутатите към гласуването
>> > партиите
>> > им в рамките на три поредни сесии. Интересно е обаче да се види като
>> > граф с
>> > такъв алгоритъм.
>>
>> Въпросния граф много го харесвам, но както е направен сега има няколко
>> проблема свързани с коректност: има три параметъра които съм настроил
>> "почти на ръка" (горна граница на отсъствията, долна граница мярката
>> на съгласуваност и брой "nearest neighbors"). Когато намеря време ще
>> направя слайдери за тези параметри и ще известя на листа отново.
>>
>> > Dataset-а на парламента, който пуснах, имаше недостатъци в data модела
>> > тъй
>> > като го изграждах постепенно докато учех какви са данните и как работи
>> > парламента.
>>
>> Областа която покривам е доста по-малка, така че за мен беше много
>> по-лесно (и пак не гарантирам че sql-а е добре нормализиран -
>> използвах възможно по-точни datatypes и constraints, но нямам сериозно
>> образование по въпроса). Това което е по-специално е че от време на
>> време предупреждавам информационния център за грешки на сайта им и
>> след около месец те ги поправят.
>>
>> > Определено ще ми е интересно да видя още графики от теб. Препоръчвам ти
>> > да
>> > разгледаш crossfilter.js на Square. Доста добре работи с
>> > многодименционални
>> > данни.
>>
>> Това ще ми е полезна библиотека. Имам професионален опит с неща като
>> matlab/numpy, но те са полезни за лабораторни данни, не толкова за
>> datamining и статистика, още по-малко за визуализации. Предполагам че
>> си личи от графиките, че библиотеките които ползвам не са най-добрия
>> избор.
>>
>> > Нещо друго, което обсъждаме отдавна е индексиране на всички
>> > предложения и закони и crowdsource-ване на категоризирането им
>> > (про-социални, популистки, реформистки, про-ес, про-русия, лобистки и
>> > т.н.
>> > етикети). Това и гласуването ще помогне да се направи профил на всеки
>> > депутат в каква насока гласува, дали е принципен или се върти според
>> > партията. Това ще даде много повече информация за характера на депутата.
>> > Данните на практика са налице - свалят се всички проектозакони и гласове
>> > всяка седмица. Трябва само да се направи един добър frontend и да се
>> > crowdsource-ва категориите.
>>
>> Идеята ми харесва много. Кой знае, след няколко месеца може даже да
>> почна да работя по нея.
>>
>> Благодаря за идеите и насоките. Ще следя мейлинг листа и блоговете, и
>> ще се обаждам ако имам с какво да помогна.
>>
>> Стефан