Naar een digitale bibliotheek voor de taalkunde

 

Verdringen de corpuslinguďstiek en de computationele taalkunde het eerlijke handwerk in de taalkunde? Op bladzijde 52 van het NWO-rapport “Een digitale bibliotheek voor de geesteswetenschappen” wordt dit als een reële mogelijkheid gezien:

 

Er is zelfs een kans dat de TST (taal- en spraaktechnologie –GB/IS) andere onderdelen van de taalwetenschap zal doen verdwijnen. De corpuslinguďstiek trekt steeds meer onderzoekers,  en vacatures in de taalwetenschap doen zich juist – door de ruimere financiële mogelijkheden – op dit gebied voor, terwijl op andere gebieden (bijvoorbeeld de historische taalkunde) posten worden opgeheven.

 

Het citaat maakt deel uit van een langer betoog, waarin wordt gesteld dat er met name binnen de taalwetenschap (en in tegenstelling tot andere delen van de geesteswetenschappen) sprake is van professioneel gebruik van informatie- en communicatietechnologie (ICT), van een jarenlange traditie op dit punt, van een grote groep onderzoekers die gebruik maakt van ICT binnen het onderzoek en van een vruchtbare samenwerking met de industrie.

Beleidsmakers hebben de afgelopen jaren een grote belangstelling getoond voor initiatieven waarbij ICT een rol speelt (het rapport citeert uit minstens vijf eerdere beleidsnota’s waarin de rol van   ICT binnen de geesteswetenschappen wordt besproken), en ook onderzoek dat de belofte van een praktische toepassing in zich draagt of waarin zelfs wordt samengewerkt met het bedrijfsleven heeft tegenwoordig een streepje voor. Er worden momenteel een aantal NWO-projecten uitgevoerd waarbij computationele taalkunde en corpuslinguďstiek een rol spelen, zoals het prioriteitsprogramma Taal- en Spraaktechnologie, het pionierproject Algorithms for Linguistic Processing, en het (mede door NWO gefinancierde) project voor een Corpus Gesproken Nederlands.

De groeiende aandacht voor ICT en daaraan gerelateerde projecten binnen de taalkunde kan dus nauwelijks ontkend worden, maar het is de vraag of de taalwetenschap zich hiermee onderscheidt van andere takken van wetenschap. Wij denken van niet. Er zal vrijwel geen wetenschapper in Nederland of daarbuiten te vinden zijn die niet merkt dat wetenschappelijk onderzoek in toenemende mate beheerst wordt door internet en het gebruik van de computer. De vraag is dus niet zozeer of er geďnvesteerd moet worden in ICT of niet, maar veel eerder hoe de beschikbare middelen zo efficiënt en eerlijk mogelijk ingezet kunnen worden. De taalkunde doet het blijkbaar op dit punt helemaal niet zo slecht. Voor de historische taalkunde (en andere deelgebieden van de taalkunde waar het gebruik van ICT niet altijd vanzelfsprekend is) is het zaak om te bedenken hoe men hiermee zijn voordeel kan doen.

 

De hoofdpunten van het NWO-rapport

 

In het bovengenoemde rapport, opgesteld door Erik Viskil,  wordt uiteen gezet waarom het belangrijk is om te komen tot een digitale bibliotheek voor de geesteswetenschappen, wat die bibliotheek zou moeten bevatten, en hoe zo’n bibliotheek tot stand zou kunnen komen. Er wordt gepleit voor het opzetten van een nationaal programma gericht op de totstandkoming van een digitale, virtuele bibliotheek voor de geesteswetenschappen, en voor de oprichting van een coördinerende instantie, waarin onderzoeksorganisaties, bibliotheken en musea zijn vertegenwoordigd, en die moet gaan toezien op de opzet, het beheer en de toegankelijkheid van digitale bestanden.

Digitalisering kan een belangrijke rol spelen bij de ontsluiting en conservering van bronnenmateriaal. Veel primaire bronnen, ook binnen de taalkunde, bestaan alleen in de vorm van papieren archieven en kaartenbakken, die slechts toegankelijk zijn voor onderzoekers die zich binnen de muren van een bepaalde instelling bevinden. Daarnaast bestaat er een grote hoeveelheid oud en kwetsbaar materiaal, dat alleen in speciale gevallen raadpleegbaar is. Door zulke bronnen te digitaliseren wordt de toegankelijkheid verbeterd, terwijl tegelijkertijd de noodzaak om kwetsbare orginelen te raadplegen vermindert.

Digitalisering maakt nieuwe vormen van onderzoek mogelijk. Voor taalkundigen behoeft dit waarschijnlijk geen betoog. Corpuslinguďstiek, computationele taalkunde en fonetiek zijn voorbeelden van taalkundige specialismen die zonder computer en digitaal onderzoeksmateriaal ondenkbaar zijn. Maar ook binnen bijvoorbeeld de geschiedenis of de kunstgeschiedenis zijn voorbeelden aan te wijzen van succesvol gebruik van de computer. De economische en sociale geschiedenis maakt gebruik van cijfermateriaal dat zich, na digitalisering, gemakkelijk leent voor verwerking door de computer en de stedebouwkundige geschiedenis van een straat of stad kan bijvoorbeeld gevisualiseerd worden op basis van (digitale representaties van) plattegronden en bouwtekeningen.

In het rapport wordt gepleit voor een programma waarin vooral het belang van onderzoek en onderzoekers centraal staat. Het rapport treedt niet erg in detail waar het gaat om de vraag wat er gedigitaliseerd moet worden, maar spreekt wel een aantal voorkeuren uit.  Het gaat er niet om het handschrift van het Wilhelmus te digitaliseren omdat dat een belangrijk deel is van ons culturele erfgoed, maar het volledige oeuvre van een aantal achttiende- en negentiende-eeuwse auteurs moet wel gedigitaliseerd, omdat voor deze literatuur wetenschappelijke belangstelling bestaat, en ze momenteel slecht te raadplegen is. Er wordt gepleit voor omvangrijke collecties, en collecties met diepgang, die de specialist tevreden kunnen stellen.  Dit betekent dat vooral de archieven van instellingen als de Koninklijke Bibliotheek, het Meertens Instituut, het Nederlands Historisch Data Archief, etc. in aanmerking lijken te komen voor digitaliseringsprojecten.

 

Digitalisering van het taalkundig onderzoek

 

 

Binnen de geesteswetenschappen lijkt de taalkunde nadrukkelijk voorop te lopen bij het gebruik van digitale hulpmiddelen. Als taalkundige ben je gewend je vooral te ergeren over wat er allemaal nog niet is of wat nog niet kan, maar vanuit het perspectief van de geesteswetenschappen in het algemeen valt vooral op dat er binnen de taalkunde volwassen disciplines bestaan die nadrukkelijk gebruik maken van ICT, dat er jarenlang is geďnvesteerd in het opbouwen van corpora, dat er richtlijnen bestaan voor de interne structuur en organisatie van databestanden, en dat er specialistische software voor het doorzoeken en bewerken van databestanden beschikbaar is. Binnen de geschiedenis lijkt er sprake van een snel toenemende belangstelling voor ICT, maar bij een aantal andere disciplines lijkt men zich nog nauwelijks bewust van  het nut of de noodzaak van het gebruik van ICT.

Een moeilijk punt in het rapport vormt daarom de vraag waarom er met name een initiatief voor de geesteswetenschappen als geheel  moet komen. Niet alleen de mate waarin men reeds vertrouwd is met het gebruik van ICT voor onderzoek loopt uiteen, ook het antwoord op de vraag wat er met voorrang gedigitaliseerd zou moeten worden  verschilt sterk per vakgebied. Globaal kan gesteld worden dat historici vooral geďnteresseerd zijn in het digitaliseren van primair bronnenmateriaal, dat letterkundigen met name belangstelling hebben voor collecties secundaire literatuur (inclusief recencies), en dat taalkundigen behoefte hebben aan elektronische data en hulpmiddelen zoals (geannoteerde) corpora, woordenboeken en software. De grote verschillen in belangstelling en behoefte maken dat het onwaarschijnlijk is dat een gemeenschappelijk initiatief voor de geesteswetenschappen meer zal zijn dan een paraplu voor nogal uiteenlopende activiteiten.

De Nederlandse Taalunie heeft onlangs een platform voor taal- en spraaktechnologie ingesteld, onder andere met als doel te komen tot een geregeld overleg tussen de verschillende partijen die actief zijn op dit gebied, een model op te stellen voor het beheer en onderhoud van digitaal materiaal, en een prioritering op te stellen voor nieuw te ontwikkelen hulpmiddelen. Een dergelijk platform is waarschijnlijk beter in staat NWO te adviseren over de noden van taalkundigen dan een platform dat de geesteswetenschappen als geheel moet overzien. Ook voor andere vakgebieden en specialismen (bijvoorbeeld waar het gaat om de rol van ICT binnen de bibliotheken) geldt waarschijnlijk dat de behoefte om op dit moment discipline-overstijgend te werk te gaan gering is.

Het initiatief van de Taalunie richt zich op het Nederlandse taalgebied, hetgeen onder andere betekent dat men kijkt naar de situatie in Nederland én Vlaanderen waarbij men de relatie tot Europese projecten en initiatieven niet uit het oog verliest. Met name voor digitalisering geldt dat er veel te leren valt van wat er in andere landen reeds is gedaan, en dat er goede mogelijkheden zijn voor Europese samenwerking. De nadruk die in het rapport wordt gelegd op het ontsluiten van archiefmateriaal dat beschikbaar is in nationale instellingen, mag niet betekenen dat men dit internationale perspectief uit het oog verliest.

Een van de opvallendste aspecten van het rapport is het ontbreken van aandacht voor secundaire literatuur. Bij het begrip bibliotheek denk je als onderzoeker toch in de eerste plaats aan een plek waar tijdschriften, dissertaties en andere wetenschappelijke publicaties te raadplegen zijn. Dit geldt zeker ook voor de taalkunde, waar eigenlijk alleen voor de historische taalkunde geldt dat primaire taaldata vooral in de bibliotheek te vinden zijn. Voor andere disciplines binnen de geesteswetenschappen is de rol van secundaire literatuur zeker niet kleiner.  In zo’n situatie mag je van een rapport dat gaat over een digitale bibliotheek verwachten dat er serieus aandacht wordt besteed aan de vraag hoe we in de toekomst omgaan met wetenschappelijke artikelen, hoe elektronische tijdschriften opgezet en toegankelijk gemaakt kunnen worden, wat de auteursrechtelijke en financiële consequenties zijn, etc.

Dat de hoeveelheid elektronisch toegankelijke wetenschappelijke informatie sterk zal toenemen, en dat elektronische archieven steeds vaker de rol van de bibliotheek zullen overnemen, staat ondertussen wel vast. Toegang tot elektronische archieven met (voorlopige versies van) artikelen, dissertaties, conferentie-bijdragen etc., kan een waardevolle aanvulling zijn op wat er in de bibliotheek beschikbaar is. De informatie is vaak actueler, en wereldwijde toegang maakt het mogelijk voor, bijvoorbeeld, een Neerlandicus in Moskou of Massachusetts om literatuur te raadplegen die de lokale bibliotheek wellicht nooit bereikt. In de bčtawetenschappen bestaan er voor vrijwel ieder vakgebied elektronische archieven, en er zijn informatici die zelfs nooit een bibliotheek van binnen zien. Ook sommige gebieden van de taalkunde kennen zulke archieven, bijvoorbeeld Computation and Language (computationele taalkunde), het Optimality Archive, en een bibliografie van (grotendeels elektronisch raadpleegbare) artikelen over WordNet. Daarnaast is een enkel tijdschrift reeds elektronisch raadpleegbaar (Natural Language Engineering, Journal  of Linguistics). Enige aandacht voor de vraag hoe deze succesvolle initiatieven kunnen worden uitgebreid naar andere delen van de taalkunde, en naar andere disciplines binnen de geesteswetenschappen zou geen kwaad kunnen, te meer daar duidelijk is dat dit een ontwikkeling is waarvan alle disciplines binnen de geesteswetenschappen in dezelfde mate kunnen profiteren.

Al met al lijkt ons de taalkunde met name gebaat bij een initiatief dat terdege rekening houdt met datgene wat er op dit gebied reeds bestaat of in gang gezet is, dat aansluiting zoekt bij Europese projecten, en waarin, naast de primaire bronnen, ook wetenschappelijke publicaties en andere onderzoeksproducten zoveel mogelijk digitaal beschikbaar worden gemaakt.

 

Gosse Bouma en Ineke Schuurman[1]

 

--------------------

 

Een Digitale Bibliotheek voor de Geesteswetenschappen: Aanzet tot een programma voor investering in een landelijke kennisinfrastructuur voor geesteswetenschappen en cultuur. Beleidsnota Informatie- en Communicatietechnologie van het Gebiedsbestuur Geesteswetenschappen van NWO, onderzoek en samenstelling: dr. Erik Viskil. December 1999. Het rapport is verkrijgbaar via de website van NWO: www.nwo.nl/gw/nieuws.

 

Links

 

Optimality Archive: http://ruccs.rutgers.edu/roa.html.

Computation and Language: www.arxiv.org, sectie Computer Science, subsectie CL

WordNet bibliography: www.cis.upenn.edu/~josephr/wn-biblio.html.

Natural Language Engineering, Journal of Linguistics: www.journals.cup.org.

 

 

 


[1] Gosse Bouma ,  Alfa-informatica, Rijksuniversiteit Groningen, gosse@let.rug.nl, Ineke Schuurman, Centrum voor  Computerlinguďstiek, Katholieke Universiteit Leuven, ineke.schuurman@ccl.kuleuven.ac.be.