اطلس اسناد بنیادین
مجموعه‌ای از قانون‌های اساسی، پیش‌نویس‌ها و پیشنهادهای قانون اساسی، و برنامه‌های سیاسی ایرانی. هر سند به اصل‌هایش تفکیک می‌شود، اصل‌ها برچسب موضوعی می‌گیرند، سندها بر اساس شباهت متنی با هم مقایسه می‌شوند و در برابر حقوق بین‌الملل بشر سنجیده می‌شوند. این مخزن زبانه‌ی «اطلس اسناد بنیادین» در اطلس ایران است.
معیار سنجش، اسناد بین‌المللی حقوق بشر است: اعلامیه‌ی جهانی حقوق بشر، میثاق بین‌المللی حقوق مدنی و سیاسی، میثاق بین‌المللی حقوق اقتصادی، اجتماعی و فرهنگی، و دیگر اسناد. قانون اساسی ۱۳۵۸ جمهوری اسلامی یکی از سندهای این مجموعه است، نه نقطه‌ی مرجع. مثل هر سند دیگری سنجیده می‌شود.
موضوع‌ها. هر اصل در برابر واژگان موضوعی برچسب می‌خورد: ۳۳۴ موضوعِ پروژه‌ی تطبیقی قانون‌های اساسی (Comparative Constitutions Project) که در سایت Constitute آمده؛ لایه‌هایی از مخزن سارتوری (Sartori)، یعنی حوزه‌های سیاست‌گذاری پروژه‌ی دستورکارهای تطبیقی (Comparative Agendas Project) و قواعد تقسیم قدرت؛ و واژگان خود ما برای زبان و تقسیم اختیارات میان سطح‌های حکومت. صفحه‌ی موضوع‌های هر سند نشان می‌دهد کدام موضوع‌ها در آن آمده، کدام نیامده و کدام خلاها درخور توجه است. سازوکار برچسب‌زنی و محدودیت‌هایش در صفحه‌ی روش آمده است. یک قید: تا امروز تنها یک سند برچسب خورده و برچسب‌ها هنوز بازبینی نشده‌اند.
A corpus of Iranian constitutions, constitutional proposals, and political programmes, split into articles, tagged by topic, compared by text similarity, and audited against international human-rights law. It is the «اطلس اسناد بنیادین» tab of AtlasIran.org (Atlas-website), which mounts it as a git submodule.
Documents are assessed against international human-rights law (UDHR, ICCPR, ICESCR and the other instruments listed in normalcy). The 1979 constitution of the Islamic Republic is in the corpus as one document assessed like any other, never as a reference point.
Articles are tagged against three topic vocabularies: the 334 topics of the Comparative Constitutions Project (Constitute); layers from the Sartori repository (Comparative Agendas Project policy fields, power-sharing rules); and our own, for language and the division of powers between levels of government. Each document's Topics page shows which topics it covers, which it leaves out, and the gaps worth noting; the method page explains how. So far one document is tagged, and its tags are not yet reviewed.
| Path | Contents |
|---|---|
(پیشنهادهای پیش‌نویس) قانون اساسی/ |
source PDFs |
data/registry.json |
the single source of truth: one entry per document, keyed by a stable uid |
data/text/, data/vision/, data/proof/ |
page text, Claude vision readings of scanned pages, and proofreading corrections |
data/articles/, catalog.json, analysis.json, editions.json |
articles, the catalog, similarity and keyword topics, edition alignments |
data/ontology/ |
topic vocabularies: Constitute's, layers from the Sartori repository (sartori/), and our own (own/); Persian labels in fa.json files |
data/topics/, data/audits/ |
article tags against the vocabularies, and human-rights audits, per document |
data/harvest/, data/additions/ |
documents collected from Atlas organisations' links, and documents added from elsewhere |
pipeline/ |
the Python pipeline |
site/ |
the browser app (site/index.html, app.js, site/data/, site/pdf/) |
vendor/normalcy |
the benchmark service (git submodule) |
Each entry has a kind, which decides what the document may be compared with. Kinds fall into four groups and comparisons stay within a group: constitution and constitution_proposal; bylaws; charter, program and ideology; treatise. org_ids links a document to Atlas organisations, and is only set where the link is documented. Editions of one draft share a series and carry a rev.
Needs poppler (pdftotext, pdfinfo, pdftoppm) and tesseract.
git clone --recurse-submodules https://github.com/Atlasiran/constitutions.git
cd constitutions
python3 -m venv .venv && .venv/bin/pip install -r requirements.txt
for s in extract ocr articles catalog analyze editions publish_pdfs build_site; do .venv/bin/python pipeline/$s.py; doneextract.py keeps OCR'd text unless given --force. Then serve site/ with any static server, e.g. python3 -m http.server -d site. build_site.py --preview also shows audits nobody has approved yet, for a local look.
The other scripts run when their inputs change:
| Script | What it does |
|---|---|
harvest.py, add_docs.py |
bring new documents into the registry |
vision_ocr.py, proofread.py |
read scanned pages and proofread text with Claude (Batch API; needs ANTHROPIC_API_KEY) |
ontology.py, sartori.py, own.py |
rebuild data/ontology/topics.json from the vocabularies |
audit.py |
audit documents through normalcy's /v1/audit (needs NORMALCY_URL, NORMALCY_KEY) |
build_module.py |
package site/ into dist/ for Atlas, with org-index.json; refuses a preview build |
Paid calls are cached by content hash, so nothing is re-queried when its inputs are unchanged.
The code and our own data are AGPL 3. The vocabularies in data/ontology/ are not: Constitute's is CC BY-NC 3.0, the Sartori layers CC BY-NC-SA 4.0, and tags made against them carry the same terms. See the README in each folder for attribution.