tomn24/czech-politician-statements
Czech Politician Statements Dataset This dataset contains fact-checked statements from the Demagog project along with their metadata and scraped evidence articles. Github repository - dataset creation and fact checker pipeline scripts Dataset Details Language(s) (NLP): Czech License: MIT Dataset Sources Source of statements: Demagog Dataset Structure Statements Statements with their metadata (author, veracity label… See the full description on the dataset page: https://huggingface.co/datasets/tomn24/czech-politician-statements.
Czech Politician Statements Dataset
This dataset contains fact-checked statements from the Demagog project along with their metadata and scraped evidence articles.
Github repository - dataset creation and fact checker pipeline scripts
Dataset Details
- Language(s) (NLP): Czech
- License: MIT
Dataset Sources
- Source of statements: Demagog
Dataset Structure
Statements
Statements with their metadata (author, veracity label, ...).
Example entry:
"id": 1,
"statement": "Ke konci roku jsme se dostali na částku asi 164 miliard korun. Je to ...",
"label": "Pravda",
"author": "Jana Černochová",
"date": "2025-01-27",
"party": "ODS",
"explanation": "Ministryně obrany Jana Černochová v rozhovoru mluví o tom, že ...",
"explanation_brief": "Výdaje Ministerstva obrany v roce 2024 ...",
"origin": "A report",
"article_ids": [18,34,131,162,276,399,400,3588]Values in article_ids field point to the articles subset rows.
Curated subsets
Two curated subsets are available: manually and automatically curated.
The _manually_ curated subset contains statements with handpicked paragraphs from evidence articles to support/refute the statement (contains true, false and unverifiable labels).
The _automatically_ curated subset was created using a LLM powered multihop evidence retriever + CoT predictor to determine whether the acquired evidence is enough to refute/support the statement (contains true and false labels).
Example entry:
"id": 14483,
"statement": "Co se týká toho, že snad neproběhlo výběrové řízení na ty nové systémy (systémy na výplatu sociálních dávek, pozn.)), tak výběrové řízení proběhlo už v roce 2008.",
"label": "Nepravda",
"author": "Jaromír Drábek",
"date": "2012-02-05",
"party": "TOP 09",
"explanation": "Ministr používá široký pojem \"systémy\". V roce 2008 vznikla smlouva s firmou Fujitsu Siemens Computers s.r.o. na poskytování licencí k produktům Microsoft. Orgány veřejné správy pak tyto produkty používaly mj. v elektronickém systému vyplácení dávek. Podle agentury Mediafax byla na základě této smlouvy uzavřena v roce 2011 další prováděcí smlouva, podle které Fujitsu Siemens dodává státu rovněž nově vytvořené softwarové aplikace, jak říká ministr Drábek, ty nové systémy. Výběrové řízení, které v roce 2008 probělo, se týkalo dodávky licencí na software spol. Microsoft, nešlo tedy primárně o vytváření nového softwaru. Podnět k antimonopolnímu úřadu v tomto smyslu podala KDU-ČSL, podle jejíhož místopředsedy ministerstvo obešlo zákon o veřejných zákázkách. Rámcová smlouva nicméně zahrnuje i poskytování řady doplňujících služeb spojených mj. s integrací pořízených produktů do systému ministerstva. Nicméně je třeba dodat, že konkrétní výběrové řízené na systém na výplatu sociálních dávek fakticky neproběhlo. Úřad na ochranu hospodářské soutěže vydal 25. února 2013 rozhodnutí, kterým tento fakt potvrzuje. O celém problému informovala také Česká televize, když na svém webu uvádí: \"ÚOHS rovněž zakázal stávající počítačový systém pět měsíců po nabytí právní moci verdiktu používat. Podle Rafaje by do té doby mělo být MPSV schopno nového dodavatele služeb najít. \"Počítali s nejkratšími možnými lhůtami, ale tady byl porušen zákon a my jsme povinni tento zákon chránit,\" zdůraznil šéf antimonopolního úřadu, jenž zatím posuzoval dva dodatky, další čtyři ho ještě čekají. Lhůtu, dokdy úřad o tomto rozhodne, nedokázal Rafaj určit.Podle některých expertů se nedá vyloučit, že ministerstvo bude muset od smlouvy odstoupit a vyhlásit nový tendr, nebo se vrátit k původnímu systému. Samotná firma rozhodnutí teprve zkoumá. \"Budeme usilovat o to, aby rozhodnutí antimonopolního úřadu neovlivnilo vyplácení sociálních dávek,\" prohlásila mluvčí MPSV Štěpánka Filipová.\" Na základě nových skutečností, které vyplývají z rozhodnutí ÚOHS, je výrok hodnocen jako nepravda. Další vývoj v této kauze budeme sledovat a Drábkův výrok případně doplníme.",
"explanation_brief": "",
"origin": "Otázky Václava Moravce",
"evidence": [
{
"article_id": 29416,
"relevant_snippets": [
"MPSV ještě pod vedením Jaromíra Drábka (TOP 09) neuspořádalo na nový systém tendr, ale připojilo se k rámcové smlouvě s firmou Fujitsu Technology Solutions. Česko ji má od roku 2008, kdy ji jako centrální zadavatel uzavřelo ministerstvo vnitra.",
"Podle některých expertů se nedá vyloučit, že ministerstvo bude muset od smlouvy odstoupit a vyhlásit nový tendr, nebo se vrátit k původnímu systému. Samotná firma rozhodnutí teprve zkoumá. „Budeme usilovat o to, aby rozhodnutí antimonopolního úřadu neovlivnilo vyplácení sociálních dávek,“ prohlásila mluvčí MPSV Štěpánka Filipová.",
"Praha – Úřad pro ochranu hospodářské soutěže (ÚOHS) zrušil zakázku ministerstva práce a sociálních věcí (MPSV), kterou ještě pod vedením Jaromíra Drábka (TOP 09) zadal resort bez výběrového řízení společnosti Fujitsu Technology Solutions. V tendru na systém výplaty dávek byly chyby. MPSV a ministerstvo vnitra by také každé mělo zaplatit pokutu půl milionu. Rozhodnutí zatím nenabylo právní moci, resorty se proti němu mohou odvolat.",
"Návrh na zrušení smlouvy MPSV s Fujitsu Technology Solutions inicioval u antimonopolního úřadu Nadační fond proti korupci prostřednictvím firmy Student Agency. Žádal zrušení výběrového řízení a vypsání nové zakázky, čímž se snažil zachránit alespoň 740 milionů z celkově dvoumiliardového obchodu. Majitel firmy Radim Jančura navíc uvedl, že Student Agency je vlastně také softwarovou firmou, protože formálně splňuje podmínky potenciálního uchazeče o zakázku. ÚOHS proto mohl rozhodnout o zrušení smlouvy i dodatků, nikoliv jen o udělení pokuty.",
"Reforma, po níž se mnohé dávky změnily a začaly je vyplácet už jen úřady práce, navíc startovala v lednu 2012. Na změnu tak nebylo mnoho času. Podle Drábka změna systému uspořila. „Pokud bych dostal podíl na těch ušetřených více než 200 milionech korun, tak potom jsem ochoten se podílet na té půlmilionové pokutě,“ dodal exministr.",
"Exministr Drábek je přesto stále přesvědčen, že jeho úřad při výběru dodavatele postupoval správnou cestou. „Postup byl správný, protože byl realistický,“ poznamenal Drábek k výběru bez tendru. Pokud by se podle něj změna systému připravovala jinak, musel by se kvůli reformě vybudovat nový software či dosavadní výrazně upravit, takže by náklady byly výrazně vyšší a nic by se neuspořilo.",
"„Tady byl plně funkční software, který výplatu dávek řídil. Vyvíjel se 18 let, jeho dopracování by stálo jen desítky milionů,“ uvedl v dubnu 2012 člen správní rady fondu Stanislav Bernard. Místo toho však podle něj ministerstvo vypsalo zakázku za miliardy bez veřejné soutěže a „navěsilo“ ji na rámcovou smlouvu státu, která se týkala dodávání operačních systémů.",
"„Uzavřením dodatků překročila ministerstva rozsah předmětu plnění, jak byl vymezen v původní rámcové smlouvě. Ministerstva měla zadat plnění služeb na základě smluv, které by byly uzavřeny na základě výsledků řádného zadávacího řízení. Jejich postup tak mohl podstatně ovlivnit výběr nejvhodnější nabídky,“ uvedl šéf ÚOHS Petr Rafaj."
]Article Links
Article evidence linked in the fact-checks for each statement. These were used by the original fact-checkers to justify the veracity verdict on Demagog. Might contain invalid links.
Exapmle entry:
"statement_id": 1,
"evidence_links": [
"https://www.zakonyprolidi.cz/cs/2022-449#f7557829",
"https://www.mfcr.cz/assets/attachments/2024-04-29_H-Vysledky-rozpoctoveho-hospodareni-kapitol.pdf",
"https://odok.cz/portal/veklep/material/KORNCV8KBV8T/",
"https://www.psp.cz/sqw/historie.sqw?o=9&t=549",
"https://www.mfcr.cz/cs/ministerstvo/media/tiskove-zpravy/2023/poslanecka-snemovna-schvalila-statni-rozpocet-pro-53897",
...
]Articles
Scraped and processed evidence articles. Due to imperfect scraping, many of them are not avaialble.
Example entry:
{
"id": 9,
"url": "https://md.gov.cz/Media/Media-a-tiskove-zpravy/Provizorni-mosty-a-lavky-Ministerstva-dopravy-poma",
"title": "Provizorní mosty a lávky MDČR pomáhají po povodních v Olomouckém i Moravskoslezském kraji",
"description": "Provizorní mosty a lávky MDČR pomáhají po povodních v Olomouckém ...",
"content": "Celkem 22 provizorních mostů o délce bezmála půl kilometru, 8 modulárních lávek s ...",
"content_raw": "<div>\r\n\t<div>\r\n\t\t<article>\r\n\t\t\tProvizorní mosty a lávky MDČR pomáhají po ...",
"type": "website",
"author": "Titio s.r.o.",
"source": "md.gov.cz",
"published": "",
"accessed": "2025-03-13T16:12:10.400Z"
},Dataset Creation
Curation Rationale
The main motivation behind the creation of this dataset was to enable to research, develop and evaluate automatic fact-checking systems for Czech language.
Source Data
Data Collection and Processing
Statements were scraped from the Demagog website. All ocurrences of word 'demagog' were removed from the statements to avoid information contamination. Evidence article links were scraped from the internet and processed using the extractus/article-extractor library to obtain their contents.
Annotation process
The source of the statements and the annotation is Demagog. Refer to their website for more information on the fact-checking process and methodology.
Bias, Risks, and Limitations
The source of the statements and the annotation is Demagog. Refer to their websites for more information on the fact-checking process and methodology. The manually and automatically subsets are part of the experimental work and thus should be treated with caution, as both have high probability of containing bias.
Citation
BibTeX:
@online{nguyen2025factual,
author = {Nguyen, Hai Phong},
title = {Factual checking and reliability of sources from open media},
year = {2025},
note = {Bachelor's thesis. Supervised by Petr Motlíček, with primary guidance from Sergio Burdisso (Idiap Research Institute). },
institution = {Brno University of Technology, Faculty of Information Technology},
howpublished = {\url{https://www.vut.cz/en/students/final-thesis/detail/165312}},
type = {Online},
accessdate = {2025-05-16}
}Dataset Card Authors
This dataset was developed by Hai Phong Nguyen as part of a bachelor's thesis at the Faculty of Informatics, Brno University of Technology.
Dataset Card Contact
tomas.nguyen138@gmail.com