Een laboratoriumachtig protocol voor corpuspariteit, menselijke grondwaarheid, WER, entiteiten, sprekerlabels en correctie-inspanning.

Geschreven door HiNoter Reproducibility Bench · Beoordeeld voor experimenteel ontwerp en transcriptiemetrieken · Test- en bewijsstatus: methodologie gepubliceerd; productgedrag vereist live verificatie · Gepubliceerd en bijgewerkt op 2026-09-02

Een eerlijke transcriptiebenchmark geeft elke tool dezelfde geautoriseerde audio, configuratiemogelijkheden, outputdeadline en scoringsregels. Bewaar een door mensen gecontroleerd waarheidsgetrouw transcript; rapporteer het foutenpercentage per woord naast namen, getallen, terminologie, sprekerstoewijzing, weglatingen en correctietijd; en publiceer de taal, het accent, het apparaat, de ruis, het aantal deelnemers, de duur en het normalisatiebeleid. Combineer geen onvergelijkbare nauwkeurigheidsclaims van leveranciers en rangschik geen tools die op verschillende bestanden zijn getest. De benchmark moet beantwoorden welke tool werkt voor jouw vergaderomstandigheden, niet welke tool universeel wint. Gebruik voor ‘AI-transcriptiebenchmarkmethode’ deze operationele regel: leg één representatief testcorpus vast en registreer de regels voor scoring, normalisatie, uitsluitingen, configuratie, herhaalde runs en het doorbreken van gelijke standen vooraf, voordat je een kandidaat verwerkt.

Een benchmark wordt eerlijk wanneer de methode wordt vastgelegd voordat iemand weet welke tool er voordeel bij heeft. Beschouw dit door de redactie gecreëerde, niet-klantgerelateerde scenario: een inkoopteam vergelijkt de schone Engelstalige demo van één leverancier met het rumoerige meertalige gesprek van een andere leverancier en publiceert een misleidende ranglijst. Het bestaat om ‘Wat is een eerlijke manier om transcriptietools te benchmarken?’ toetsbaar te maken zonder een deelnemer, werknemer, patiënt, cliënt of vertrouwelijke vergadering bloot te stellen.

Dit reproduceerbare benchmarkprotocol is geschreven voor inkopers, onderzoekers, redacteuren en operationele teams die transcriptietools vergelijken zonder verschillende audio, instellingen of scoringsregels de winnaar te laten bepalen. Het scheidt documentatie van de eerste partij, geobserveerd testgedrag, door mensen gecontroleerd bronbewijs en redactioneel oordeel. Documentatie vervangt nooit een live accounttest, en een niet-beschikbaar feit blijft N/A.

Het beheersende risico is specifiek: Wanneer elke tool andere audio of redactionele hulp krijgt, meet de rangschikking het testontwerp in plaats van de transcriptiekwaliteit. Daarom volgt de methode deze standaard: leg één representatief testcorpus vast en registreer de regels voor scoring, normalisatie, uitsluitingen, configuratie, herhaalde runs en het doorbreken van gelijke standen vooraf, voordat je een kandidaat verwerkt. Het resultaat is alleen van toepassing op de bekendgemaakte talen, sprekers, audioketen, instellingen, datum en beoordelingsdrempel.

Een eerlijke AI-transcriptiebenchmarkmethode begint met de beslissing

Het corpus moet de audio en gevolgen vertegenwoordigen waarmee de inkoper daadwerkelijk te maken krijgt.

Begin met het bewijs: gebruik ‘Normalisatie’ als acceptatie-item. Een geslaagde uitkomst betekent dat hoofdletters, interpunctie, cijfers en opvulwoorden de schriftelijke regels volgen; de foutgrens is dat de scoring één outputformaat bevoordeelt. Leg het corpus en de scoringsregels vast voordat je de eerste kandidaat verwerkt.

Pas de regel toe op de situatie: Een redactie en een verkoopteam kiezen verschillende kritieke woorden, ook wanneer beide WER gebruiken. Dit lijkt op de casus ‘Dictaat door één persoon’, waarbij het bewijsdoel woord- en entiteitsnauwkeurigheid is en de menselijke grens alleen een eenvoudige nulmeting. Voor dit reproduceerbare benchmarkprotocol is het doel niet om de output minder capabel te laten lijken; het is om de exacte voorwaarde te identificeren waaronder een collega de claim kan reproduceren.

Beslissing: schrijf gebruiksscenario’s en faalkosten op voordat je fragmenten selecteert. Het benchmarkformulier slaat sample-ID, audioomstandigheden, waarheidsversie, toolinstellingen, hash van de onbewerkte output, elke score, correctietijd, uitsluitingen en reden voor een herhaalde run op. Als de bronketen eindigt, wordt de conclusie beperkter; als de route faalt, beperk de beslissing tot de geteste omstandigheden, voer betwiste gevallen blind opnieuw uit en gebruik een pilot met menselijke correctielogs voordat je tot aankoop overgaat.

Bewijsnotitie voor het reproduceerbare benchmarkprotocol: Bekijk NIST — Toolkit voor scoring van spraakherkenning voordat je vertrouwt op de gerelateerde standaard, functie of methode.

Voer een reproduceerbare transcriptiebenchmark uit

Rapporteer een scorekaart

Publiceer WER, resultaten voor entiteiten en sprekers, materiële fouten, correctietijd, dekking, fouten, betrouwbaarheidsintervallen wanneer gerechtvaardigd en beperkingen. Sluit af met goedkeuren, beperken, opnieuw testen of afwijzen; als de primaire route faalt, beperk de beslissing tot de geteste omstandigheden, voer betwiste gevallen blind opnieuw uit en gebruik een pilot met menselijke correctielogs voordat je tot aankoop overgaat.

Voer kandidaten consistent uit

Verwerk dezelfde bestanden onder gedocumenteerde instellingen en bewaar onbewerkte outputs zonder stille opschoning. Registreer ontbrekend bewijs als N/A en onderscheid geobserveerd gedrag van documentatie en redactioneel oordeel.

Leg het protocol vast

Stel normalisatie, interpunctie, configuratie, nieuwe pogingen, tijdslimieten, scoringsscripts en uitsluitingsregels vast voordat je de resultaten bekijkt. Vergelijk met een schriftelijke verwachting of door mensen gecontroleerde waarheid in plaats van met vloeiendheid, visuele afwerking of een onverklaarde score.

Creëer menselijke waarheid

Laat getrainde beoordelaars transcriberen, sprekers labelen, entiteiten markeren, meningsverschillen oplossen en een versiegewijs bijgehouden referentie bewaren. Gebruik geautoriseerd, niet-gevoelig materiaal en bewaar de bron die nodig is om de observatie te reproduceren.

Stel het corpus samen

Gebruik geautoriseerde representatieve fragmenten die apparaten, ruimtes, sprekers, accenten, ruis, overlappingen en kritieke woordenschat omvatten. Documenteer taal, landinstelling, sprekers, apparaat, ruimte, ruis, duur, configuratie, datum, model- of productversie en beoordelaar wanneer deze de conclusie beïnvloeden.

Definieer de beslissing

Schrijf de vergadertypen, talen, faalkosten, het beoordelingsbudget en de productbeslissing op die de benchmark moet ondersteunen. Baken de test af met deze synthetische casus: een inkoopteam vergelijkt de schone Engelstalige demo van één leverancier met het rumoerige meertalige gesprek van een andere leverancier en publiceert een misleidende ranglijst.

Het corpus is een instrument, geen afspeellijst

De dekking moet doelbewust zijn voor taal, apparaat, ruis, overlapping, afstand en aantal deelnemers.

Behandel ‘Het corpus is een instrument, geen afspeellijst’ als een operationele keuze. De claim is alleen nuttig wanneer de menselijke correctietijd blind wordt gemeten. Als de rangschikking de operationele werklast negeert, stop dan met het omzetten van een onbekende of tegenstrijdigheid in een gunstige score.

Het tegenvoorbeeld is concreet: Tien eenvoudige fragmenten kunnen de workshopopname die de aankoop bepaalt niet vertegenwoordigen. Richt je in een workflow voor een ‘Meertalig klantgesprek’ op taalwisselingen en namen en houd gesplitste resultaten per taal bij als beoordelingsregel. Bewaar voor deze beoordeling van het reproduceerbare benchmarkprotocol voldoende broncontext om een herkenningsfout, taalfout, sprekerfout, samenvattingsinferentie, vertaalverschuiving of redactionele herschrijving van elkaar te onderscheiden.

De volgende actie is een conditiematrix op te stellen en elke vereiste cel in te vullen. Bewaar voor dit reproduceerbare benchmarkprotocol alleen geautoriseerd bewijs, vermeld de omstandigheden en wijs de persoon aan die het resultaat kan goedkeuren, corrigeren of afwijzen. Het benchmarkformulier slaat sample-ID, audioomstandigheden, waarheidsversie, toolinstellingen, hash van de onbewerkte output, elke score, correctietijd, uitsluitingen en reden voor een herhaalde run op.

Bewijsnotitie voor het reproduceerbare benchmarkprotocol: Bekijk NIST — Raamwerk voor AI-risicobeheer voordat je vertrouwt op de gerelateerde standaard, functie of methode.

Menselijke waarheid heeft haar eigen kwaliteitscontrole nodig

Een referentietranscript is alleen bewijs wanneer conventies en meningsverschillen zijn gedocumenteerd.

Vraag welk bewijs de beslissing zou veranderen. Voor ‘Normalisatie’ is de vereiste bevinding dat hoofdlettergebruik, interpunctie, cijfers en stopwoorden de schriftelijke regels volgen. Een soepele interface, een hoog ogende score of een lange talenlijst kan de tekortkoming ‘scoring bevoordeelt één uitvoerformaat’ niet herstellen.

Gebruik het voorbeeld als een kleinschalige test: Twee beoordelaars zijn het oneens over een overlappende productcode en sturen deze ter beoordeling door. Lees dit naast ‘Dictaat door één persoon’: de praktische zorg betreft de nauwkeurigheid van woorden en entiteiten, terwijl een eenvoudige basislijn alleen iemand binnen de gezagsketen houdt. Onbekend reproduceerbaar gedrag van het benchmarkprotocol blijft N/A totdat het is waargenomen.

Versiebeheer het referentiemateriaal en bewaar de notities van de beoordeling voordat je publiceert of aankoopt. Leg voor deze reproduceerbare benchmarkprotoc test de invoer, instellingen, bron, uitvoer, correctie en beoordelaar vast in de fase waarin ze relevant zijn. Als het geautomatiseerde traject geen bewijs kan bewaren, beperk de beslissing dan tot geteste omstandigheden, voer betwiste gevallen opnieuw blind uit en gebruik een pilot met logboeken van menselijke correcties voordat je aankoopt.

Bewijsnotitie voor het reproduceerbare benchmarkprotocol: Bekijk de Amerikaanse Federal Trade Commission — Houd je AI-claims in de gaten voordat je op de gerelateerde norm, functie of methode vertrouwt.

Ga verder met methoden voor audiotranscriptie, evaluaties van AI-technologie of AI-vertaalworkflows.

Leg de scoring vooraf vast voordat je winnaars ziet

Keuzes rond normalisatie kunnen rangschikkingen veranderen en mogen niet worden afgestemd nadat de resultaten zichtbaar zijn.

Deze sectie werkt als een poort in plaats van als een functielijst. De poort is ‘Correctiekosten’: slaag alleen als de tijd voor menselijke correctie blind wordt gemeten, en faal wezenlijk wanneer de rangschikking de operationele werklast negeert. Deze benadering houdt de methode voor AI-transcriptiebenchmark verbonden met een echte beslissing.

Doorloop de operationele situatie: De ene uitvoer schrijft ‘eenentwintig’, terwijl een andere ‘21’ schrijft volgens een niet-uitgesproken beleid. Het vergelijkbare patroon is ‘Meertalige klantoproep’, waarbij schakelen tussen talen en namen belangrijker worden gemaakt dan algemene vloeiendheid en gesplitste resultaten per taal voor escalatie worden gebruikt. Een afgebakende test kan worden herhaald; een brede belofte niet.

Sluit de poort door te besluiten scripts, instellingen, herhalingen, uitsluitingen en regels voor gelijke scores te bevriezen. Het testblad bewaart de monster-ID, audioomstandigheden, waarheidsversie, toolinstellingen, hash van de onbewerkte uitvoer, elke score, correctietijd, uitsluitingen en reden voor herhaling. Publiceer de resterende uitsluitingen en stuur betwiste of ingrijpende inhoud via deze fallback: beperk de beslissing tot geteste omstandigheden, voer betwiste gevallen opnieuw blind uit en gebruik een pilot met logboeken van menselijke correcties voordat je aankoopt.

Bewijsnotitie voor het reproduceerbare benchmarkprotocol: Bekijk de documentatie van Google Cloud — Cloud Speech-to-Text voordat je op de gerelateerde norm, functie of methode vertrouwt.

WER is de basislijn, niet het zakelijke oordeel

Geaggregeerde edit distance behandelt veel onschadelijke en ingrijpende fouten hetzelfde.

Bewijs eerst: gebruik ‘Normalisatie’ als acceptatie-item. Slagen betekent dat hoofdlettergebruik, interpunctie, cijfers en stopwoorden de schriftelijke regels volgen; de grens van de tekortkoming is dat scoring één uitvoerformaat bevoordeelt. Bevries het corpus en de scoringsregels voordat je de eerste kandidaat verwerkt.

Pas de regel toe op de situatie: Een tool wint op WER terwijl de accounteigenaar in twee kritieke gesprekken wordt gewijzigd. Dit lijkt op het geval ‘Dictaat door één persoon’, waarbij het bewijsdoel de nauwkeurigheid van woorden en entiteiten is en de menselijke grens alleen een eenvoudige basislijn is. Voor dit reproduceerbare benchmarkprotocol gaat het er niet om de uitvoer minder capabel te laten lijken; het gaat erom de exacte voorwaarde vast te stellen waaronder een collega de claim kan reproduceren.

Beslissing: voeg scores toe voor entiteiten, ontkenning, toewijzing, weglating en materiële fouten. Het testblad bewaart de monster-ID, audioomstandigheden, waarheidsversie, toolinstellingen, hash van de onbewerkte uitvoer, elke score, correctietijd, uitsluitingen en reden voor herhaling. Als de bronketen eindigt, wordt de conclusie beperkter; als het traject faalt, beperk de beslissing dan tot geteste omstandigheden, voer betwiste gevallen opnieuw blind uit en gebruik een pilot met logboeken van menselijke correcties voordat je aankoopt.

Bewijsnotitie voor het reproduceerbare benchmarkprotocol: Bekijk Microsoft Learn — documentatie over spraak-naar-tekst voordat je vertrouwt op de gerelateerde standaard, functie of methode.

Correctietijd zet nauwkeurigheid om in operationele kosten

Het beste ruwe transcript kan nog steeds trager te herstellen zijn als fouten moeilijk te vinden zijn.

Behandel ‘Correctietijd zet nauwkeurigheid om in operationele kosten’ als een operationele keuze. De bewering is alleen nuttig wanneer de menselijke correctietijd blind wordt gemeten. Als de rangschikking de operationele werklast negeert, stop dan met het omzetten van een onbekende of tegenstrijdigheid in een gunstige score.

Het tegenvoorbeeld is concreet: beoordelaars timen dezelfde blinde correctietaak en registreren de inspanning voor zoeken, opnieuw afspelen en opnieuw labelen. Richt je in een workflow voor een ‘meertalig klantgesprek’ op het wisselen van taal en namen en houd de resultaten per taal gesplitst als beoordelingsregel. Bewaar voor deze beoordeling van het reproduceerbare benchmarkprotocol voldoende broncontext om onderscheid te maken tussen een herkenningsfout, taalfout, sprekersfout, samenvattingsinferentie, vertaalverschuiving of redactionele herschrijving.

De volgende actie is het meten van de mediane hersteltijd en het annoteren van het fouttype. Sla voor dit reproduceerbare benchmarkprotocol alleen geautoriseerd bewijsmateriaal op, vermeld de omstandigheden en wijs de persoon aan die het resultaat kan goedkeuren, corrigeren of afwijzen. Het testblad bevat de sample-ID, audioomstandigheden, waarheidsversie, toolinstellingen, hash van de ruwe uitvoer, elke score, correctietijd, uitsluitingen en reden voor opnieuw uitvoeren.

Bewijsnotitie voor het reproduceerbare benchmarkprotocol: Bekijk Amazon Web Services — Amazon Transcribe Developer Guide voordat je vertrouwt op de gerelateerde standaard, functie of methode.

Plaats HiNoter op dezelfde testbank: Gebruik één geautoriseerd, niet-gevoelig sample en evalueer de huidige HiNoter-workflow alleen binnen geverifieerd gedrag.

Plaats HiNoter op dezelfde testbank

HiNoter moet hetzelfde corpus, dezelfde toegestane configuratie, hetzelfde tijdvenster en dezelfde scorecode ontvangen.

Vraag welk bewijsmateriaal de beslissing zou veranderen. Voor ‘Normalisatie’ is de vereiste bevinding dat hoofdletters en kleine letters, interpunctie, cijfers en stopwoorden de geschreven regels volgen. Een soepele interface, een hoog uitziende score of een lange talenlijst kan de fout ‘scoring bevoordeelt één uitvoerformaat’ niet herstellen.

Gebruik het voorbeeld als een minitest: de ruwe uitvoer, waargenomen taalgedrag, traceerbaarheid van de samenvatting en correctie-inspanning worden geregistreerd zonder een universele nauwkeurigheidsclaim. Lees het naast ‘Dictaat door één persoon’: de praktische zorg betreft de nauwkeurigheid van woorden en entiteiten, terwijl een eenvoudige baseline een persoon alleen binnen de bevoegdheidsketen houdt. Onbekend gedrag van het reproduceerbare benchmarkprotocol blijft N/A totdat het is waargenomen.

Publiceer vóór publicatie of aankoop N/A voor elke functie of taal die niet daadwerkelijk is getest. Leg voor deze test van het reproduceerbare benchmarkprotocol de invoer, instellingen, bron, uitvoer, correctie en beoordelaar vast in de fase waarin ze relevant zijn. Als het geautomatiseerde proces geen bewijsmateriaal kan bewaren, beperk de beslissing dan tot geteste omstandigheden, voer betwiste gevallen opnieuw blind uit en gebruik een pilot met menselijke correctielogboeken voordat je tot aankoop overgaat.

Bewijsnotitie voor het reproduceerbare benchmarkprotocol: Bekijk HiNoter — HiNoter-productwebsite voordat je vertrouwt op de gerelateerde standaard, functie of methode.

Een reproduceerbaar rapport laat zien waar de rangschikking stopt

Lezers hebben omstandigheden, aantallen samples, datums, uitsluitingen en onzekerheid nodig voordat ze resultaten elders toepassen.

Deze sectie werkt als een poort in plaats van als een functielijst. De poort is ‘Herstelkosten’: slaag alleen als de menselijke correctietijd blind wordt gemeten, en faal materieel wanneer de rangschikking de operationele werklast negeert. Deze invalshoek houdt de AI-transcriptiebenchmarkmethode verbonden met een echte beslissing.

Loop de operationele casus door: het definitieve scoreoverzicht vermeldt dat conclusies geen betrekking hebben op nieuwe talen, telefoonaudio of toekomstige modelversies. Het vergelijkbare patroon is ‘Meertalig klantgesprek’, waarbij het wisselen van taal en namen vóór algemene vloeiendheid komt en gesplitste resultaten per taal worden gebruikt voor escalatie. Een afgebakende test kan worden herhaald; een brede belofte niet.

Sluit de poort door te besluiten invoer, hashes, uitvoer, scripts en rapportversie te archiveren. Het testblad bevat de sample-ID, audioomstandigheden, waarheidsversie, toolinstellingen, hash van de ruwe uitvoer, elke score, correctietijd, uitsluitingen en reden voor opnieuw uitvoeren. Publiceer de resterende uitsluitingen en stuur betwiste of zwaarwegende inhoud via deze fallback: beperk de beslissing tot geteste omstandigheden, voer betwiste gevallen opnieuw blind uit en gebruik een pilot met menselijke correctielogboeken voordat je tot aankoop overgaat.

Bewijsnotitie over een reproduceerbaar benchmarkprotocol: Bekijk NIST — Toolkit voor scoring van spraakherkenning voordat je vertrouwt op de bijbehorende standaard, functie of methode.

Vragen over een reproduceerbaar benchmarkprotocol

Wat is een eerlijke manier om transcriptietools te benchmarken?

Een eerlijke transcriptiebenchmark geeft elke tool dezelfde geautoriseerde audio, configuratiemogelijkheid, deadline voor uitvoer en scoringsregels. Houd een door een mens gecontroleerd waarheidsgetrouw transcript bij; rapporteer het woordfoutenpercentage naast namen, getallen, terminologie, sprekerstoewijzing, weglatingen en correctietijd; en publiceer de taal, het accent, het apparaat, de ruis, het aantal deelnemers, de duur en het normalisatiebeleid. Combineer geen onvergelijkbare nauwkeurigheidsclaims van leveranciers en rangschik geen tools die op verschillende bestanden zijn getest. De benchmark moet beantwoorden welke tool werkt voor jouw vergaderomstandigheden, niet welke tool universeel wint. Pas de conclusie alleen toe op de talen, taalvariëteiten, audioomstandigheden, sprekers, configuratie, uitvoerfasen en beoordelingsregels die daadwerkelijk zijn getest.

Wat moet ik als eerste verifiëren voor een AI-transcriptiebenchmarkmethode?

Begin met deze afbakening: leg één representatief testcorpus vast en registreer vooraf de regels voor scoring, normalisatie, uitsluitingen, configuratie, opnieuw uitvoeren en het doorbreken van gelijke standen voordat je een kandidaat verwerkt. Bewaar de bron en definieer de doorslaggevende woorden of beweringen voordat je naar een gepolijste uitvoer kijkt.

Is een vloeiend transcript, een samenvatting of een vertaling accuraat?

Niet per se. Vloeiendheid meet leesbaarheid, terwijl getrouwheid vraagt of namen, getallen, ontkenningen, sprekers, omstandigheden, beslissingen, terminologie en toon overeenkomen met de bron. Controleer die onderdelen rechtstreeks.

Hoe moeten meertalige voorbeelden worden getest?

Gebruik moedertaalsprekers, transcripties met locatietags die als waarheidsgetrouw zijn gecontroleerd, representatieve apparaten en ruimtes, en afzonderlijke resultaten voor elke taal of regionale variëteit. Markeer elk wisselpunt en voeg pt-BR en pt-PT nooit samen in één onverklaarde score.

Wanneer is menselijke beoordeling vereist?

Vereis gekwalificeerde beoordeling voor beslissingen met grote gevolgen, citaten, toezeggingen, juridische of personeelsdossiers, onbekende namen en terminologie, betwiste passages, audio van lage kwaliteit en elke uitvoer die niet naar een bron kan worden herleid.

Hoe moet HiNoter worden geëvalueerd?

Voer een geautoriseerde, niet-gevoelige versie van deze casus uit: een inkoopteam vergelijkt een schone Engelstalige demo van één leverancier met een rumoerig meertalig gesprek van een andere leverancier en publiceert een misleidende ranglijst. Verifieer het huidige invoerbestand, de taal, het transcript, de samenvatting of vertaling, bron­navigatie, bewerkingen, export, toegang en verwijderingsgedrag; laat alles wat niet is getest op N.v.t. staan.

Beslissingsgrens

Voor ‘Wat is een eerlijke manier om transcriptietools te benchmarken?’ blijft het verdedigbare antwoord voorwaardelijk. Een eerlijke transcriptiebenchmark geeft elke tool dezelfde geautoriseerde audio, configuratiemogelijkheid, deadline voor uitvoer en scoringsregels. Houd een door een mens gecontroleerd waarheidsgetrouw transcript bij; rapporteer het woordfoutenpercentage naast namen, getallen, terminologie, sprekerstoewijzing, weglatingen en correctietijd; en publiceer de taal, het accent, het apparaat, de ruis, het aantal deelnemers, de duur en het normalisatiebeleid. Combineer geen onvergelijkbare nauwkeurigheidsclaims van leveranciers en rangschik geen tools die op verschillende bestanden zijn getest. De benchmark moet beantwoorden welke tool werkt voor jouw vergaderomstandigheden, niet welke tool universeel wint. De verdedigbare winnaar is de tool die het best presteert binnen de gepubliceerde beslissingsgrens — niet de tool die aan het grootste onverklaarde getal is gekoppeld. Als het bewijs geen uitspraak over de AI-transcriptiebenchmarkmethode kan ondersteunen, publiceer dan niet geverifieerd of N.v.t. in plaats van een gunstige schatting.

Voer een reproduceerbare transcriptiebenchmark uit: Voer één representatief voorbeeld uit, vergelijk de uitvoer met de bron ervan en test HiNoter alleen binnen de exacte talen en workflowfasen die je verifieert.