שיטת העבודה

המספרים נשלפים ישירות ממסד הנתונים ונכונים ל-19 באוקטובר 2026. הארכיון המלא גדול יותר - כ-195 אלף ציטוטים נאספו - אך רק מה שעבר את שער האיכות מוצג, וזה מה שנספר כאן. הייחוס למרשם הכנסת נעשה לפי מזהה אישי רשמי (PersonID); מניין הדוברים כולל גם חברי כנסת לשעבר מהכנסות שהארכיון מכסה, ולכן הוא שונה ממספר חברי הכנסת המכהנים.

דברי המליאה והוועדות נלקחים מפרוטוקולים רשמיים של הכנסת. הצעות חוק, שאילתות, הצעות לסדר והצבעות מליאה נלקחות מממשק ה-OData הציבורי של הכנסת, והייחוס נעשה לפי מזהה אישי רשמי (PersonID) - לא לפי התאמת שם. לכל פריט בארכיון יש קישור למסמך המקור, וכל אחד יכול לבדוק אותו מול המקור הרשמי.

חשבונות Telegram נאספים רק מערוצים ציבוריים של חברי כנסת, ומוצגים בנפרד מהעבודה הפרלמנטרית הרשמית.

הסיווג נעשה במודל שפה שמקבל את הציטוט ומחזיר את הנושאים שנדונו בו - ותו לא. המודל אינו מעריך עמדה, אינו נותן ציון, ואינו קובע אם הדובר בעד או נגד. הנחיית הסיווג המלאה נשמרת בגרסאות בתיקיית prompts/, וכל ציטוט שומר את גרסת ההנחיה שלפיה סווג.

שם של פוליטיקאי לעולם אינו משמש כנושא. נושא הוא העניין הנדון, לא האדם.

וריאציות של אותו נושא מאוחדות לשם קנוני אחד בשני מסלולים: כללי צורה לשוניים («חוק הגיוס»/«חוק גיוס» - ה׳ הידיעה, סמיכות, כתיב קרוב), ומודל שפה שמציע איחוד ניסוחים שונים של אותו עניין ממש («שירות מילואים»/«נטל שירות המילואים») - לעולם לא תת-נושא לתוך נושא-אב, ולעולם לא שם של אדם. בשני המסלולים המכונה רק מציעה: כל איחוד מאושר ידנית אחד-אחד, נרשם בטבלה ציבורית (pqa_topic_aliases) עם המסלול שהציע אותו, וכתובת של וריאציה שאוחדה מפנה באופן קבוע לעמוד הקנוני.

לפני הסיווג עובר כל ציטוט שער איכות אוטומטי שמסנן קטעים פרוצדורליים (ספירות הצבעה, הודעות יו״ר), ברכות, וקטעים קצרים מכדי לעמוד בפני עצמם. השער אחיד לכל חברי הכנסת ולכל המפלגות ואינו מתחשב בזהות הדובר או בתוכן העמדה.

מתוך כ-195 אלף ציטוטים שנאספו, 111,858 ציטוטים עוברים את השער ומוצגים באתר. היתר נשמרים אך אינם מוצגים.

לכל ציטוט מוצג יש כתובת קבועה משלו. מפת האתר (sitemap) שנמסרת למנועי חיפוש אינה מונה את כולן, כי רובן קצרות מכדי לעמוד כעמוד עצמאי. כלל ההכללה מכני ואחיד, ואינו מתחשב בנושא, במפלגה או בזהות הדובר:

• הציטוט מוצג באתר, יש לו קישור מקור, אורכו 180 תווים לפחות, והוא סווג לנושא.
• ובנוסף - אם לפי הכלל הזה נותרו לח״כ פחות מ-20 כתובות, נכללים כל הציטוטים המוצגים שלו. כך ח״כ שדבריו בארכיון קצרים אינו נעלם ממפת האתר בגלל אורך הטקסט.

נכון להיום נכללות 45,167 כתובות ציטוט, וכל 165 הדוברים שיש להם ציטוט מוצג מיוצגים בהן. הכלל מוגדר במסד הנתונים עצמו (pqa_sitemap_quotes). זהו עניין של גילוי בלבד - הוא אינו משנה מה מוצג באתר.

כלל מכני דומה חל על עמודי נושא ועמודי ח״כ-בנושא: עמוד עם פחות מ-3 ציטוטים מוצגים נשאר חי ונגיש בקישור ישיר, אך אינו נכלל במפת האתר ואינו מוצע לאינדוקס במנועי חיפוש. הסף זהה לכל נושא, לכל ח״כ ולכל מפלגה, ומוגדר אף הוא במסד הנתונים (pqa_topic_counts_servable).

בקצה השני, כ-20 עמודי הנושא המורחבים («עמודי דגל» - עם סיכום כמותי, פעילות לפי שנה ונושאים נלווים) נבחרים אף הם בכלל מכני: הנושאים שהמספר הגבוה ביותר של חברי כנסת שונים התבטאו בהם, ללא נושא שהוא שם של אדם. הבחירה אינה עריכתית, והכלל מוגדר במסד הנתונים (pqa_flagship_topics).

הארכיון זמין להורדה כמאגר נתונים ברישיון CC BY 4.0 בעמוד מאגר הנתונים. המאגר להורדה כולל רשומה רשמית בלבד - מליאה, ועדות, הצעות חוק, שאילתות, הצעות לסדר, הצבעות ורשומות כהונה. ציטוטי Telegram מוצגים באתר אך אינם נכללים בהורדה: הפצה בכמויות של תוכן Telegram היא מעשה שונה מהצגת פוסט בדף, ואי אפשר לערוב לאותנטיות של קורפוס כזה בכמות. הפער בספירות בין האתר למאגר להורדה נובע מכך, והוא מכוון ומפורסם.

ארכיון שלא מפרסם את הפערים שלו קשה לבדוק. אלה הפערים הידועים:

• Telegram מגיע משני סוגי מקור שונים. 145 חברי כנסת מיוצגים באתר מהמקור הזה, אך רק ל-47 מהם יש ערוץ ציבורי משלהם. השאר מופיעים דרך ערוץ כנסת TV - כלומר דרך בחירה עריכתית של גורם שלישי, ולא דרך פרסום עצמי. היעדר תוכן Telegram אצל ח״כ אינו מעיד על היקף פעילותו.
• רשומות פעילות מכסות את הכנסות ה-23 עד ה-25. הצעות חוק, שאילתות והצעות לסדר נאספו לטווח הזה בלבד. ציטוטים מכסים טווח רחב יותר, ולכן ייתכן ח״כ עם ציטוטים מוקדמים יותר וללא רשומות פעילות מקבילות.
• כ-0.9% מהציטוטים המוצגים אינם מסווגים לנושא. לרוב מדובר בקטעים קצרים או פרוצדורליים שאין להם נושא מהותי. הם נמצאים בחיפוש, אך לא יופיעו בשולחן נושא.
• לחלק קטן מההצבעות אין ערכי הצבעה לח״כ. ערכי ההצבעה של הכנסת ה-25 נטענו מממשק ה-OData הפתוח של הכנסת, אך ל-85 מתוך 7,536 הצבעות אין ערכים רשומים בשירות - למשל הצבעה שבוטלה. היעדר הצבעה ברשומה אינו מעיד על היעדרות - ייתכן שההצבעה לא נרשמה כלל.
• משמעות «בעד» משתנה בין הצבעות. בהצבעות פרוצדורליות «בעד» עשוי להיות בעד הסתייגות ולא בעד החוק. לכן מוצג בכל כרטיס מה בדיוק אמר «בעד» באותה הצבעה, ואין להסיק עמדה מהערך לבדו.
• עיתונות הוסרה. מקור RSS עיתונאי נוסה בעבר, נמצא שגוי בייחוס, והוסר מהארכיון לחלוטין. ראו תיקונים.

ייחוס שגוי - ציטוט שמוצג תחת שם הלא נכון - הוא כשל החמור ביותר האפשרי כאן, ולכן הוא נבדק אוטומטית מול המקור. כל ציטוטי הוועדות המוצגים (31,025) אומתו אחד-אחד מול הפרוטוקול שממנו נלקחו. ציטוטי Telegram נבדקים מול כתובת המקור של ההודעה.

מצאתם ציטוט שנראה שגוי? יש כפתור דיווח על כל ציטוט, וכל דיווח נבדק.