Law Letter-Fidelity Audit

Audits whether a machine_readable model reflects the letter of the wettekst, not the toelichting and not the desired outcome. The aim is to separate three very different things: a genuine modelfout (the model deviates from the letter — fix it), a wettekst-gevolg (the model faithfully follows a letter that itself produces an odd or unintended result — report it, do not "fix" it in the model), and a letter-vs-toelichting-question (the letter and the toelichting diverge — a jurist must decide which is leading).

Core principle — wettekst leidend, toelichting is uitleg

De artikeltekst (het text:-veld, de feitelijk geldende wet) is leidend. De toelichting (Nota / Memorie van Toelichting) legt de bedoeling uit maar is geen norm. Modelleer de open norm zoals de wet die stelt; gebruik de toelichting als duiding, nooit als een verkapt criterium.

Soll-normalisatie is verboden: het model spiegelt de wet inclusief haar onvolkomenheden. Modelleer nooit een "zuiver" (zoals-bedoeld) stelsel als vervanging van het verbatim-model; het verschil tussen letter en bedoeling is juist de te rapporteren bevinding.

Werkwijze — kritische passes, fideliteit vóór outcome

Doe de fideliteit-audit vóór je het model tegen verwachte uitkomsten/scenario's afzet. Anders ga je het model reverse-engineeren om een test te laten slagen (outcome-bias). Volgorde: (1) letter ↔ model per artikel/lid; (2) pas daarna toetsing tegen scenario's/uitvoeringsbeleid.

Loop per artikel: lees het verbatim text:-veld naast de machine_readable (parameters/input/actions/ operations) en zoek de vier afwijkingsklassen.

Klasse 1 — toelichting-bleed

Een conditie of begrip in het model dat uit de toelichting komt terwijl de letter het slechts als open norm stelt (of helemaal niet noemt). Symptoom: een leaf/operatie genoemd naar een toelichtings-term, terwijl de wet alleen "naar de omstandigheden te beoordelen" o.i.d. zegt. → Hernoem/herorden zodat het model de open norm van de letter draagt; verplaats de toelichtings-uitleg naar de description/comment, expliciet gelabeld als toelichting.

Klasse 2 — ontbrekend verbatim-bestanddeel

Een woord of voorwaarde dat in de letter staat maar niet in het model zit: een kwalificatie ("rechtmatig", "uitsluitend", "tijdelijk"), een "tenzij"-clausule, of een hele uitsluiting. Grep de verbatim text: op "tenzij", "behoudens", "voor zover", "niet ... dan wel", en controleer of elke voorwaarde in de actions terugkomt. → Voeg het ontbrekende bestanddeel toe (richting de letter).

Klasse 3 — verkeerde verankering (legal_basis)

Een endpoint hangt aan een "kapstok"-artikel terwijl de dragende norm in een buurartikel of in een andere wet staat (bv. de beslislogica zit in art. N+1, of een leeftijds-/statuseis in een ander wetboek). De beslislogica kan correct zijn; de herleidbaarheid klopt niet. → Markeer als legal_basis-/architectuur-kwestie (jurist/architectuur), meestal geen logica-fix.

Klasse 4 — verbatim-drift in text:

Het text:-veld draagt een ingetrokken of oudere redactie (verwijzing naar een ingetrokken wet, een oude instantienaam) terwijl de feitelijk geldende tekst anders luidt. Kruis-check verbatim tegen de bron op de claimed valid_from (zie de law-version-drift-check-skill). → Actualiseer het text:-veld naar de geldende verbatim redactie; corrigeer nooit een fout die in de geldende wet zélf staat (die rapporteer je).

Lid-conflict & afwijkings-precedence

Wanneer een positieve grond (een toekennend lid) en een uitsluiting (een ontzeggend lid) elkaar lijken te weerspreken, controleer eerst de chapeau op een expliciete voorrangsregel vóór je een "conflict" of "lacune" rapporteert:

• Een chapeau als "zo nodig in afwijking van het [vorige lid], is niet ..." betekent dat de uitsluiting dérogeert aan de positieve grond — dan is de uitsluitende uitkomst de letter, geen modelkeuze en geen lacune.
• Een tegen-uitsluiting als "[lid X] is niet van toepassing op ..." schakelt (een deel van) de uitsluiting weer uit; modelleer de exacte reikwijdte (welke onderdelen, welke subgroep). Modelleer de precedence zoals de letter die stelt. Als de letter zo een groep uitsluit die de bedoeling juist insluit, is dat een wettekst-gevolg (zie classificatie), geen modelfout.

Classificatie van elke bevinding

Bucket	Betekenis	Actie
MODELFOUT	het model wijkt af van de letter	aanpassen richting de letter
WETTEKST-GEVOLG	model = letter, maar de letter zelf produceert een vreemde/onbedoelde uitkomst	rapporteren, niet "fixen" in het model
LETTER-vs-TOELICHTING	letter en toelichting divergeren	jurist bepaalt wat leidend is; tevens signaal voor herziening (de bedoeling hoort dan in de wéttekst — primaat van de wetgever)

Voor elke WETTEKST-GEVOLG- en LETTER-vs-TOELICHTING-bevinding: formuleer een jurist-vraag en, waar toepasselijk, een wetgevings-signaal (de norm hoort kenbaar in de regelgeving, niet in toelichting of stilzwijgende uitvoeringscorrectie).

Verificatie (geen hunches)

Toets uitkomsten via de engine (evaluate-binary, met extra_laws voor cross-law), met alleen upstream-leaf-feiten en anti-masking (flip een bron-feit, zie de uitkomst omklappen) — niet door de uitkomst direct te injecteren. Schema-validatie en cross-law-integriteit blijven groen.

Output

Per artikel/lid: (verbatim passage) → (wat het model doet) → (afwijkingsklasse of "letter-getrouw") → (classificatie: modelfout/wettekst-gevolg/letter-vs-toelichting) → (jurist-vraag waar van toepassing). Sluit af met een prioriteitenlijst en, voor letter-vs-toelichting-bevindingen, een aparte paragraaf "Lezing: toelichting náást de letter" puur op de twee teksten (zonder de implementatie erbij).

Samenhang met andere skills

• law-version-drift-check — dekt klasse 4 (verbatim-drift) in detail; draai die als Step 0.
• regelrecht-stelselanalyse — cross-law-integriteit, cyclus-workflow en classificatie-taxonomie.
• law-generate — de plaatsings-/bindingsregels (source onder input:, niet parameters:).