Jämförelse av BLA (totalt) mellan dokument i topp-tiondelen (p90) och botten-tiondelen (p10).
p90 har i snitt 1469 ord (median 1250). p10 har i snitt 1830 ord (median 1341).
p10-dokument är längre än p90-dokument. Vissa skillnader nedan kan bero på att längre dokument hinner ta upp fler saker, inte att de är bättre eller sämre.
Jämför p90 med p10 på andra dimensioner. Värdena är justerade för dokumentlängd, vilket betyder att vi jämför korta dokument mot korta, mellanlånga mot mellanlånga, långa mot långa, och slår sedan ihop resultaten. När den justerade skillnaden är mycket mindre än den ojusterade handlade hela skillnaden om att grupperna var olika långa, inte att innehållet skiljde sig.
| Dimension | Pelare | Skillnad (justerad för längd) | Robust vid bredare tröskel? | Att veta |
|---|---|---|---|---|
| DNA Anatomi | DNA | mycket högre i p10 | Nej, bara synligt vid p90/p10 | Ojusterad och justerad är liknande |
| DNA Nomenklatur | DNA | mycket högre i p90 | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| DNA Driv | DNA | märkbart högre i p10 | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| Integration | Övrigt | märkbart högre i p90 | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| E5 Målbilder | STA7 | märkbart högre i p10 | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| E3 Avsikt | STA7 | lite högre i p90 | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| E4 Värde | STA7 | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| LUFT (totalt) | LUFT | liknar varandra | Nej, bara synligt vid p90/p10 | Ojusterad och justerad är liknande |
| Substansindex | Övrigt | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| E7 Friktion | STA7 | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| STA7 (totalt) | STA7 | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| E2 Antaganden | STA7 | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| E1 Utmaning | STA7 | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
| E6 Förmågor | STA7 | liknar varandra | Ja, fyndet håller även vid q75/q25 | Ojusterad och justerad är liknande |
Ord som förekommer i fler p90-dokument än p10-dokument (eller tvärtom). Räknat per dokument: ett ord räknas en gång oavsett hur ofta det förekommer i samma dokument.
Visar i hur många dokument av 41 ordet förekommer.
Visar i hur många dokument av 41 ordet förekommer.
Samma log-odds-ratio-analys som ovan men beräknad separat för varje organisations-typ. Visar om de generella mönstren håller eller om de drivs av en specifik typ. Org-typer med färre än 10 dokument i p90 eller p10 visas inte (otillförlitliga estimat).
Kommun (p90 n=19, p10 n=21)
Mer i p90 (top 10)
Mer i p10 (top 10)
Region (p90 n=11, p10 n=0)
Otillräckligt sample för stratifierad analys.
Stat (p90 n=11, p10 n=20)
Mer i p90 (top 10)
Mer i p10 (top 10)
Bästa passage från de tre dokument som scoreade högst på BLA (totalt). Visar konkret språkmönster som triggar hög score, för läsning som inspiration eller jämförelse.
"Detalj- översikt- och regionplaner - Riksintressen - Byggnadsinformation (BIM) och AI - Cirkulär ekonomi, kontrollplan och OVK - Utveckla ansvar och tjänster i internt och externt samskapande. - Strategiska planen ger riktning."
Boverket Strategisk plan digitalisering · score 49.2 · trigger: Språkkomplexitet (lång/nominaliserad)
"Syftet med policyn är att tydliggöra kommunens förhållningssätt och inriktning avseende användning och utveckling av all IT-relaterad verksamhet som behövs för att uppfylla målen för den kommunala verksamheten."
Bräcke IT-policy · score 49.0 · trigger: Språkkomplexitet (lång/nominaliserad)
"Öppenhet och tillgänglighet ska kontinuerligt vägas mot säkerhet och personlig integritet vid användningen av IT-systemen och hantering av digital information. ## POLICY Gäller från och med 2011-04-14 Beslutat av Rektor"
Högskolan Dalarna policy for it · score 48.5 · trigger: Språkkomplexitet (lång/nominaliserad)
Passage från de tre dokument med lägst score på BLA (totalt). Eftersom låg poäng är önskvärt för BLA (totalt) visas dessa som referens för klart språk.
"Vi ska gå i takt med vår omvärld <!-- image -->"
SMHI Övergripande IT principer · score 30.7 · trigger: Klart språk
"Kärnan i vårt digitaliseringsarbete är att vi gör det tillsammans."
Simrishamn Digital · score 31.3 · trigger: Klart språk
"Tillitsbaserat arbete frigör tid och ger oss drivkraft framåt."
Grästorp Digitaliseringsplan · score 31.8 · trigger: Klart språk
Använder spaCy-vektorer (300-dim) per dokument och beräknar genomsnittlig cosinus-likhet inom p90 (41 dok), inom p10 (41 dok) och mellan grupperna. Mäter om p90-dokumenten är semantiskt täta (samma temacluster) eller endast lexikalt täta (samma ord, olika tema). Värden 0–1: högre = mer lik.
| Mått | Cosinus-likhet |
|---|---|
| Inom p90 (genomsnitt par-vis) | 0.902 |
| Inom p10 (genomsnitt par-vis) | 0.960 |
| Mellan p90 och p10 | 0.912 |
| Tightness-diff (p90 - mellan) | -0.011 |
Tolkning: positiv tightness-diff betyder att p90-dokumenten är mer lika varandra än de är p10-dokumenten, vilket pekar mot egen semantisk klunga. Nära noll betyder att lexikal skillnad i tabellen ovan inte motsvaras av semantisk separation.
Rubriker, listor, referenser i dokumentet. Justerad för längd som ovan.
| Mått | p90 medel | p10 medel | Skillnad (längd-justerad) |
|---|---|---|---|
| headings_total_per_1k | 0.0 | 0.06 | liknar varandra |
| tables_count_per_1k | 0.02 | 0.01 | liknar varandra |
| list_bullet_count_per_1k | 5.83 | 3.06 | lite högre i p90 |
| list_numbered_count_per_1k | 1.11 | 0.87 | liknar varandra |
| list_ratio | 0.1 | 0.05 | märkbart högre i p90 |
| total_references_per_1k | 13.28 | 7.74 | märkbart högre i p90 |
| ref_legislation_per_1k | 0.12 | 0.03 | lite högre i p90 |
| ref_organizations_per_1k | 1.44 | 0.87 | liknar varandra |
Underlag: 41 dokument i p90, 41 dokument i p10 (av dessa har 41 respektive 41 annoterad text för ord-analysen).
"Skillnad" i tabellerna ovan är översatt från Cohen's d med tröskelvärdena 0.2 (liten), 0.5 (medel) och 0.8 (stor). Standardvärden för effektstorlek (Cohen 1988).
Längd-justering. Dokumenten delas i tre lika stora grupper efter ord-antal:
kort (under 1207 ord),
mid (upp till 2139 ord),
och lång (resten). Cohen's d beräknas inom varje längd-grupp och poolas via inverse-variance
weighting (analog med fixed-effect meta-analysis av Hedges g). Detta neutraliserar
längd-confound som annars uppstår när rankningen på BLA (totalt) är systematiskt
längd-stratifierad. Se docs/length-bias-audit-2026-06-05.md för bakgrund.
Ord-jämförelsen använder log-odds-ratio med Dirichlet-prior (Monroe, Colaresi och Quinn 2008). En statistisk metod som visar vilka ord som är överrepresenterade i en grupp jämfört med en annan. Visas endast ord som förekommer i minst 10 dokument totalt och som är innehållsord (substantiv, verb, adjektiv, egennamn). Ord-räkningen är per-dokument förekomst, inte total frekvens (annotated/-format ger unika lemman per dok). Lexikal differential är INTE längd-justerad i nuvarande version.
Kvarstående bias. Per length-bias-audit 2026-06-05 har STA7- och DNA-rå-scores i baseline_scores.csv stark längd-korrelation (canvas_compound ρ=+0.774, nom_total ρ=+0.850). Detta är drift mellan baseline-CSV och density-versionerna i deep_scoring.py och åtgärdas separat. Stratifieringen ovan hanterar konsekvensen i cross-dim-tabellen men löser inte grundorsaken.
Underlaget är genererat 2026-06-05 mot frusen baseline. Vid förändringar i scoring eller korpus måste underlaget regenereras.