روش گردآوری دادهها
هر عددی که در رسمی ایندکس میبینید از یک منبع مشخص آمده و از چند مرحله پالایش گذشته است. این صفحه هم آن مراحل را شرح میدهد و هم جاهایی را که داده هنوز ناقص است.
منبع
تنها منبع پایه، سامانهٔ سنام است؛ سامانهٔ عمومی ادارهٔ کل اسناد و امور مترجمان رسمی قوه قضائیه. فهرست کامل در تاریخ ۱ شهریور ۱۴۰۵ خوانده شد و همان روز شمار رکوردهای اعلامی خود سنام با آنچه دریافت کرده بودیم مقایسه شد تا مطمئن شویم چیزی جا نمانده است.
- ۴۹۱
- ۱۰۸۹
- ۵۰
- ۱۹
پالایش رکوردها
دادهای که از سنام میآید کامل است، ولی تمیز نیست. سه اصلاحی که بیشترین اثر را داشتند:
- رکوردهای تکراری. یک مترجم میتواند دهها بار در فهرست تکرار شود و تفاوت ردیفها فقط شمارهٔ سطر باشد. یک دفتر هم دو بار با دو شمارهٔ تلفن ثبت شده بود؛ یک دفتر است با دو خط. رکوردهای تکراری ادغام شدند تا یک نفر یک صفحه داشته باشد.
- زبان داخل شمارهٔ پروانه. زبان هر مترجم در همان فیلد پروانه نوشته شده و برای مترجمان دوپروانهای دو مقدار به هم چسبیده است. این فیلد جدا شد، بیآنکه پروانههای دارای ممیز خراب شوند.
- نشانیهای ناهمسان. نشانی یک دفتر در جدول دفاتر و جدول مترجمان گاهی با دو نام محله نوشته شده است. هیچجا فرض نکردهایم دو نشانی که رشتهٔ یکسانی ندارند لزوماً دو جای متفاوتاند.
پیوند مترجم به دفتر، و جایی که پیوند نمیزنیم
سنام فیلدی به نام «مترجمان این دفتر» ندارد. اما دو ستون منتشر میکند که کار کلید پیوند را میکنند: نشانی محل کار و تلفن ثابت. بر پایهٔ آنها شش لایه شواهد ساختهایم، از نام مترجم مسئول تا تطبیق نشانیهای لاتین با شمارهٔ پلاک. حاصلش ۶۲۳ پیوند اثباتپذیر است.
۴۶۶ مترجم به هیچ دفتری پیوند نخوردهاند و این عدد عمدی است. قاعدهای که رعایت میشود ساده است: پیوند اشتباه بدتر از نبود پیوند است، چون ادعایی نادرست دربارهٔ یک فرد پروانهدار واقعی منتشر میکند. جایی که نشانه دوپهلوست، مترجم بدون پیوند میماند. شمارهٔ موبایل هم هیچگاه کلید پیوند نیست، چون در همین داده دهها شماره میان افراد بیارتباط مشترک است.
محله، مختصات و نام تجاری
محلهٔ دفاتر تهران از متن خود نشانی استخراج شده و ۲۳۷ دفتر محلهٔ مشخص دارد. مختصات جغرافیایی برای ۲۱۲ دفتر ثبت شده است. نام تجاری ۳۶ دفتر و وبسایت ۳۵ دفتر تأیید شده؛ سنام هیچکدام را منتشر نمیکند و هر مورد جداگانه راستیآزمایی شده است. برای بقیهٔ دفاتر نام دارندهٔ پروانه نمایش داده میشود و جای خالی با حدس پر نمیشود.
آنچه در این داده هنوز ناقص است
فهرست کردن کاستیها بخشی از همین روش است. آنچه امروز میدانیم:
- داده در تاریخ ۱ شهریور ۱۴۰۵ خوانده شده. دفتری که پس از آن پروانه گرفته یا جابهجا شده، هنوز اینجا بهروز نیست.
- لایهٔ محله فقط برای تهران ساخته شده است. شهرهای دیگر تا وقتی فهرست محلههایشان بهدقت تهیه نشود، این لایه را ندارند.
- تشخیص محله از روی متن نشانی در چند مورد به نشانهٔ آدرس تکیه کرده و نه به محل واقعی دفتر؛ نشانیای مانند «نرسیده به مترو قیطریه» میتواند دفتر را زیر نام قیطریه بیاورد. موارد شناختهشده در دست اصلاح است.
- بخشی از نشانی مترجمان در سنام با حروف لاتین ثبت شده و مقایسهٔ متنی آنها با نشانیهای فارسی ممکن نیست. برای همین بخشی از پیوندها فقط از راه شمارهها ساخته میشود.
- زبانهای ثبتشدهٔ هر دفتر از پروانهٔ مترجمان پیوندخورده به آن میآید. دفتری که مترجمش هنوز پیوند نخورده، ممکن است زبانی را ارائه کند که اینجا فهرست نشده است.
اصلاح داده
اگر رکوردی از دفتر یا مترجمی نادرست است، دو راه هست: صاحب صفحه میتواند با تأیید شمارهٔ ثبتشده در سنام صفحه را تحویل بگیرد و خودش اصلاح کند، یا هر کسی میتواند خطا را از صفحهٔ تماس گزارش کند. شرح هر دو راه در اصلاح یا حذف اطلاعات آمده است.