De lees- en begrijpbaarheid van Vlaamse juridische documenten

In deze bijdrage wordt dieper ingegaan op de lees- en begrijpbaarheid van juridische documenten in Vlaanderen door middel van een tekstuele analyse. Juridische documenten zijn doorgaans geschreven in een voor rechtzoekenden onbegrijpelijke taal, niet alleen door de grote hoeveelheid jargon maar ook omwille van het gebruik van lange zinnen en complexe constructies eigen aan het zogenaamde ‘legalees’ (Kimble, 2012). Bestaande initiatieven rond klare taal zijn gericht op de magistratuur. Hierdoor blijven ze geïsoleerd en missen ze vaak hun doel. Bovendien heeft er nog geen omvattend onderzoek naar de lees- en begrijpbaarheid van juridisch taalgebruik plaatsgevonden. We gebruiken een corpus van ongepubliceerde authentieke juridische documenten (vredegerecht, arbeids-, familie- en politierechtbank) die taalkundig geannoteerd zijn (tokens, lemmata en part-of-speechtags). Die verrijkte documenten worden door middel van probabilistische taalmodellering (zowel lexicaal als syntactisch), meer bepaald cross-entropy (Axelrod et al., 2011), vergeleken met twee grote corpora die als ijkpunt dienen voor 'gewone' taal: het NLCOW-internetcorpus (6G woorden webmateriaal) en het LeNC-krantencorpus (1G woorden uit zes Vlaamse kranten) vertegenwoordigen door hun omvang en diversiteit een breed en representatief spectrum van het effectieve taalgebruik. Op die manier wordt er een objectief, statistisch beeld geschetst van welke juridische teksten meer en minder leesbaar zijn tegenover de referentiecorpora. Daarnaast worden diverse klassieke en taalkundig geïnspireerde leesbaarheidsmaten toegepast. De Flesh-Doumaformule index en de Automated Readability index worden o.a. berekend voor zowel de juridische teksten als de referentiecorpora. Hiernaast worden statistieken berekend zoals (i) het taalkundig ‘gewicht’ van zinnen ((werk)woorden per zin en gemiddelde zinslengte), (ii) frequentiegebaseerde statistieken (TTR, frequentierang, TF-IDF), en (iii) specifieke eigenschappen van juridische taal (nominale en passieve constructies, verwijzingen naar rechtspraak, vreemde suffixen – bv. Frans) om de taalkundige diversiteit van de documenten te schetsen (Kimble, 2012; Van Oosten et al., 2010). De documenten worden via multidimensional scaling op basis van bovenvermelde probabilistische kenmerken en taalkundige leesbaarheidsmaten in clusters ingedeeld. Zo worden de teksten op een begrijpbaarheidschaal ten opzichte van de referentiecorpora gesitueerd, brengen we de variatie in de juridische documenten in kaart en identificeren we de taalkundige kenmerken die de begrijpbaarheid beïnvloeden.status: publishe