Czy w BIP wolno publikować skany dokumentów?

Przepisy nie zakazują skanów wprost, ale skan bez warstwy tekstowej nie spełnia wymagań ustawy z dnia 4 kwietnia 2019 r. o dostępności cyfrowej stron internetowych i aplikacji mobilnych podmiotów publicznych (WCAG 2.1 AA, m.in. kryteria 1.1.1 i 1.4.5): czytnik ekranu go nie odczyta, a wyszukiwarka nie znajdzie w nim słowa. Wyjątek obejmuje dokumenty opublikowane przed 23 września 2018 r., które nie są niezbędne do bieżących zadań (art. 3 ust. 2 pkt 3 tej ustawy).

Jak sprawdzić, czy skan ma warstwę tekstową?

Otwórz plik i spróbuj zaznaczyć fragment tekstu albo wyszukać w nim słowo z treści (Ctrl+F). Jeśli zaznacza się cała strona jak obrazek albo wyszukiwanie nic nie znajduje, plik nie ma warstwy tekstowej. Jeśli tekst się zaznacza, skopiuj go do Notatnika i sprawdź, czy polskie znaki i liczby zostały rozpoznane poprawnie.

Czy OCR wystarczy, żeby skan był dostępny?

OCR to minimum, ale zwykle nie wystarcza do pełnej zgodności z WCAG 2.1 AA. Rozpoznany tekst nie ma nagłówków, list ani tabel oznaczonych tagami, a błędy rozpoznania zmieniają liczby i nazwiska. Najlepiej publikować treść w HTML albo PDF wygenerowany z pliku źródłowego, a skan traktować jako dodatek.

Skan bez warstwy tekstowej w BIP: dlaczego to problem

Skan bez warstwy tekstowej to zdjęcie kartki zapisane jako PDF: dla komputera jest obrazem, nie tekstem. W BIP to problem, bo czytnik ekranu go nie odczyta, wyszukiwarka nie znajdzie w nim słowa, a mieszkaniec nie skopiuje fragmentu uchwały. Narusza to wymagania WCAG 2.1 AA z załącznika do ustawy z dnia 4 kwietnia 2019 r. o dostępności cyfrowej stron internetowych i aplikacji mobilnych podmiotów publicznych (art. 5 ust. 1).

Co to jest warstwa tekstowa

PDF może zawierać dwie rzeczy: obraz strony i tekst. Plik wygenerowany z edytora tekstu ma od razu tekst. Skan ma tylko obraz. Program do rozpoznawania tekstu (OCR) dokłada pod obrazem niewidoczną warstwę z rozpoznanymi literami. Od tej chwili tekst da się zaznaczyć i wyszukać, choć na ekranie plik wygląda tak samo.

To właśnie ta niewidoczność sprawia, że problem łatwo przeoczyć. Redaktor widzi czytelną stronę i uznaje, że wszystko jest w porządku.

Pięć powodów, dla których skan bez tekstu to problem

Niedostępny dla osób niewidomych i słabowidzących. Czytnik ekranu nie ma czego przeczytać. Narusza to kryterium WCAG 1.1.1 (alternatywa tekstowa dla treści nietekstowych) i 1.4.5 (obrazy tekstu). Powiększenie skanu rozmywa litery, więc nie pomaga też osobom słabowidzącym.
Niewidoczny dla wyszukiwarki. Ani wyszukiwarka BIP, która musi być na każdej stronie podmiotowej (§ 11 ust. 1 pkt 6 rozporządzenia MSWiA z dnia 18 stycznia 2007 r. w sprawie Biuletynu Informacji Publicznej), ani wyszukiwarki internetowe nie znajdą uchwały po słowie z jej treści. Dokument formalnie jest opublikowany, ale praktycznie trudno do niego dotrzeć.
Nie da się kopiować. § 7 ust. 2 pkt 2 rozporządzenia stanowi, że treści BIP nie są zabezpieczone przed kopiowaniem. Skan formalnie nie jest zabezpieczony, ale skutek jest ten sam: radny czy dziennikarz musi przepisywać tekst ręcznie.
Wątpliwa jakość. Treści BIP mają być udostępniane w jakości niepozostawiającej wątpliwości co do ich zawartości (§ 7 ust. 2 pkt 1 rozporządzenia). Krzywy, ciemny skan z nieczytelnymi kwotami tego wymogu nie spełnia.
Fałszywe poczucie anonimizacji. Jeśli ktoś zrobił OCR, a potem zaczernił dane na obrazie, warstwa tekstowa może dalej zawierać pełne nazwisko i adres. Opisujemy to w tekście Anonimizacja dokumentów w BIP.

Do tego dochodzi wygoda mieszkańca. Skan strony A4 waży często kilka razy więcej niż PDF z tekstem, a na telefonie trzeba go powiększać i przesuwać.

Jak rozpoznać skan bez tekstu w 30 sekund

Otwórz plik i spróbuj zaznaczyć jedno zdanie. Jeśli zaznacza się cała strona jak prostokąt, to obraz.
Wyszukaj słowo, które na pewno jest w treści (Ctrl+F). Brak wyników oznacza brak warstwy tekstowej.
Jeśli tekst się zaznacza, skopiuj stronę do Notatnika. Sprawdź polskie znaki, numery uchwał, kwoty i daty. OCR często myli „ł” z „l”, „0” z „O” i gubi przecinki w kwotach.

Co zamiast skanu

Sytuacja	Najlepsze rozwiązanie
Dokument powstał w edytorze tekstu	Treść w HTML w BIP i PDF wygenerowany z pliku źródłowego, z tagami
Dokument podpisano odręcznie	Treść w HTML lub dostępny PDF z adnotacją, kto i kiedy podpisał; podpisany oryginał w dokumentacji
Dokument z zewnątrz, mamy tylko papier (np. pismo innego organu)	Skan z OCR, sprawdzony, i obok krótki opis treści albo przepisany tekst
Mapa, rysunek, załącznik graficzny	Obraz z opisem tekstowym najważniejszych informacji
Dokument z danymi osobowymi	Anonimizacja w pliku źródłowym, potem eksport do PDF

Jak przygotować dostępny PDF krok po kroku, opisujemy w tekście Dostępny PDF w BIP.

Kiedy OCR wystarczy, a kiedy nie

OCR to minimum, które warto zrobić z każdym skanem, który musi trafić do BIP. Zwykle nie daje jednak pełnej zgodności z WCAG 2.1 AA:

rozpoznany tekst nie ma struktury: nagłówków, list i tabel oznaczonych tagami (kryterium 1.3.1),
kolejność czytania bywa przypadkowa, zwłaszcza przy tabelach i pieczątkach,
błędy rozpoznania zmieniają treść, a w uchwale budżetowej jedna cyfra ma znaczenie.

Dlatego OCR traktuj jako rozwiązanie dla dokumentów, których nie da się odtworzyć z pliku źródłowego. Każdy wynik OCR przejrzyj przed publikacją.

Co zrobić z archiwum skanów

Wiele BIP-ów ma setki skanów z poprzednich lat. Nie trzeba poprawiać wszystkiego naraz. Ustawa o dostępności cyfrowej nie obejmuje dokumentów tekstowych opublikowanych przed 23 września 2018 r., chyba że ich zawartość jest niezbędna do realizacji bieżących zadań podmiotu (art. 3 ust. 2 pkt 3). Rozsądna kolejność:

Dokumenty w użyciu. Statut, regulamin organizacyjny, obowiązujące prawo miejscowe, procedury, wzory wniosków, cennik usług. Te popraw najpierw, niezależnie od daty publikacji.
Nowe publikacje. Od dziś żadnego nowego skanu bez tekstu.
Reszta archiwum. Zrób OCR całości, jeśli masz takie narzędzie, i opisz stan w deklaracji dostępności.

Każdy może zażądać dostępnej wersji konkretnego dokumentu, także z archiwum objętego wyjątkiem (art. 18 ust. 1 ustawy). Podmiot ma na to 7 dni, a jeśli to niemożliwe, wskazuje termin nie dłuższy niż 2 miesiące (art. 18 ust. 3 i 4). Warto więc mieć procedurę: kto przygotowuje wersję tekstową i w jakim czasie.

Skan w deklaracji dostępności

Skanów bez tekstu nie ukrywaj. Wpisz je do deklaracji dostępności (art. 10 ustawy) jako treść niedostępną, konkretnie: jakie dokumenty, z jakich lat, jak uzyskać wersję dostępną. Status „zgodna” przy widocznych skanach bez tekstu to jeden z typowych błędów deklaracji, opisanych w tekście Deklaracja dostępności w BIP. Przegląd deklaracji robi się do 31 marca każdego roku (art. 11 ustawy) i to dobry moment, żeby sprawdzić, ile skanów ubyło.

Lista kontrolna

Nowe dokumenty publikuję jako tekst HTML albo PDF z pliku źródłowego
Każdy skan, który musi trafić do BIP, ma warstwę tekstową
Wynik OCR sprawdzony: polskie znaki, liczby, nazwiska
Przy skanie jest opis treści albo wersja tekstowa
Dane osobowe usunięte także z warstwy tekstowej
Dokumenty w bieżącym użyciu poprawione niezależnie od daty publikacji
Skany w archiwum opisane w deklaracji dostępności
Jest procedura na żądanie dostępnej wersji (7 dni)

Jak pomaga Polski BIP

Polski BIP ostrzega redaktora już przy wgraniu skanu bez warstwy tekstowej, zanim dokument trafi do publikacji. Treść publikujesz w HTML, a PDF jest załącznikiem, więc wyszukiwarka z polską odmianą słów znajduje słowa z treści dokumentu. Więcej na stronach Funkcje i Migracja.