発言データを、どう取得し、どう検証し、どう公開するか。

議会コモンズは、全国の地方議会会議録から発言を取得して検索・引用できる形にするデータ基盤です。ここでは、そのデータをどのように集め、どこまで検証し、どんな形式で公開しているかを開示します。指標の解釈や評価は行いません。

設計方針: データ 3 層アーキテクチャに準拠·実装状況: 2026-07-19 コード実測·ライセンス: CC BY 4.0

データ取得の 4 階層

議事録の公開状況は自治体ごとに大きく異なります。取得の難易度で 4 階層に分けて取得しています。各階層の議会数と取得状況はデータカバレッジで開示しています。

階層 A：公開議事録システム

Web で議事録が公開されている議会。自動で巡回して取得します。

階層 B：議会ごとに読み取りプログラムが要る

独自の作りのため、議会ごとに読み取りプログラムを書いて取得する階層。

階層 C：開示請求 / 紙資料

Web 公開のない議会。情報公開請求や議会だより等の代替資料から抽出します。

階層 D：動画書き起こし

議会中継のみ公開している議会。書き起こして取得します。

引用の根拠として使えるデータであるために、5 つの原則で設計しています。各原則の実装状況を正直に開示します（実装済 / 一部 / 準備中）。「実装済み」と言えない段階のものは、その旨を明示します。

原則	内容	状態	現状
① 原本アーカイブ	議事録の原本（HTML / PDF）をハッシュ付きで保存し、後から原本との一致を照合できるようにする。	準備中	原本ハッシュ保存は設計段階。現状は原典 URL の併記で出典を辿れるようにしている。
② 追記型の訂正	訂正は既存の記録を上書きせず、新しい記録として追加する。誤字レベルの変更も無記録では行わない。	一部	内部ログは append-only（削除・上書き禁止）で運用。公開向けの訂正ワークフローは訂正方針ページに明記済み。
③ 名寄せの分離	人物（person）と所属（membership）を分けて管理し、同一人物への統合は保守的に行う。	一部	人物 ID と議員 ID を分けた ID 体系で運用。保守的統合のルール整備は継続中。
④ 信頼度の付与	自動処理で得た情報に信頼度を付け、低信頼のものを明示する。	一部	投票・発言者・議題の自動照合に信頼度スコアを付与済み。発言分割そのものの信頼度付与は設計中。
⑤ スキーマ公開	データ形式を機械検証できるスキーマ（JSON Schema）と、一括配布で公開する。	一部	自治体単位の CSV 取得は提供中。全件（一括）配布はまだ用意できていない。JSON Schema（機械検証仕様）はドラフト（id-spec v1）を作成中。

引用の根拠を守るための原則です。

原文は読み取りプログラムだけで取り出す: Web / PDF の議事録の原文は、同じ入力なら必ず同じ結果になるプログラムで取り出します。生成 AI に原文を書かせたり、欠けた箇所を補わせたりしません。
書き起こしは原文と区別する: 動画だけを公開している議会（階層 D）は、音声を機械で文字にします。この処理は結果が揺れるため、プログラムで取り出した原文とは分けて扱い、書き起こし由来であることを示します。
欠損は欠損のまま表示: 取得できなかった箇所は、それらしく埋めず、欠損として示します。
AI を使う層には由来を明示: 分類など AI を使う処理では、AI 由来であることのラベルと、根拠となった原文の箇所を添えます。

引用が時間に耐えるための、識別子の設計です。

ID 体系の仕様（v1 ドラフト）と機械検証用スキーマは、開発者向けページで順次公開します。