ik upload een pdf met vragen maar het systeem herkent de vragen niet goed

Herkenning loopt vast op de opmaak, niet op de inhoud

Een pdf die niet goed herkend wordt, komt meestal door één van drie dingen: de pdf is een scan (een afbeelding van tekst, geen echte tekst), de vragenlijst staat in een tabel met samengevoegde cellen, of de nummering wijkt af van wat het systeem als vraag herkent (bijvoorbeeld "3.2a" in plaats van "Vraag 12"). In alle drie de gevallen ziet het systeem wel tekst, maar kan het niet met zekerheid afbakenen waar de ene vraag stopt en de volgende begint. Het systeem vult dan liever niets in dan een antwoord bij de verkeerde vraag te zetten.

De snelste oplossing is meestal het portaal van je klant zelf te raadplegen: veel portalen bieden naast de pdf ook een Excel-export of een webformulier van dezelfde vragenlijst, en die worden doorgaans wél volledig herkend. Herkent het systeem een deel van de vragen wel, dan kun je de rest los aanvullen — de gekoppelde antwoorden komen dan nog steeds uit hetzelfde ketendossier, dus je typt niet twee keer hetzelfde. Gaat het om een vraag naar een vast gegeven, zoals het registratienummer van de onderneming of het aantal medewerkers, dan staat dat antwoord los van de herkenning altijd beschikbaar om handmatig over te nemen.

Waarom we geen pdf's "slim" forceren

Het systeem herkent vragen op basis van tekststructuur, niet op basis van betekenis: het leest geen lijst, het herkent alleen patronen zoals nummering, vraagtekens en tabelindeling. Wanneer die patronen ontbreken — zoals bij een scan zonder onderliggende tekstlaag, of bij een pdf die is opgemaakt met afbeeldingen in plaats van tekst — kan het systeem geen vraag-antwoordparen vaststellen. Dat is een bewuste grens: liever een deel van de lijst niet invullen dan een antwoord koppelen aan een vraag die het niet zeker kan lezen. Je blijft zelf degene die elk voorgesteld antwoord bevestigt en indient bij het portaal van je klant.