Volgende: Bibliografie Naar boven: De positie van het Vorige: 4. Interviews

Subsecties

• 5.1 Een Platform voor Taal- en Spraaktechnologie
• 5.2 Versterking van de positie van Onderzoek en Onderwijs

5. Aanbevelingen

Dit rapport is geschreven vanuit de gedachte dat het Nederlands een relatief kleine taal is en dat de ontwikkeling van een hoogwaardige infrastructuur voor taal- en spraaktechnologie in dit geval speciale aandacht vraagt.

Een overheid die het tot stand brengen van een dergelijke infrastructuur stimuleert door coördinerend op te treden en die, waar nodig, het daadwerkelijk tot stand brengen van hulpmiddelen of eindproducten voor TST ondersteunt, is hierbij noodzakelijk. In het inleidende hoofdstuk is reeds aangegeven dat communicatie in de eigen taal bijna altijd de voorkeur verdient boven communiceren in een andere taal. Naarmate informatie- en communicatietechnologie steeds geavanceerder wordt, neemt ook het belang van taal-en spraaktechnologie toe. Wanneer deze ontwikkeling voor bepaalde talen achterblijft, zal dat ertoe leiden dat die talen in toenemende mate in het defensief gedrongen worden. Een goede infrastructuur voor TST is daarmee dus in het algemeen belang.

Economische motieven alleen zullen er niet toe leiden dat TST-producten die zijn gebaseerd op het Engels ook automatisch voor het Nederlands op de markt zullen verschijnen. Bovendien bestaat er de vrees dat, voor zover Nederlandstalige producten wel verschijnen, de kwaliteit van deze producten achterblijft bij datgene wat voor andere talen mogelijk is. Europese programma's spelen een belangrijke rol bij het ontwikkelen van een infrastructuur voor TST. Dergelijke programma's gaan evenwel uit van het principe van subsidiariteit, en dus is er ook vanuit dit oogpunt gezien een rol weggelegd voor de nationale overheden. De situatie voor het Nederlands is tenslotte complex omdat het wordt gesproken in Nederland en Vlaanderen, en initiatieven van de overheid daarom ofwel slechts een deel van het taalgebied betreffen, ofwel speciale coördinatie vragen.

Naast een actieve rol van de overheid gaan we er bij deze aanbevelingen ook vanuit dat het wenselijk is dat hulpmiddelen voor TST zoveel mogelijk algemeen (tegen een redelijke vergoeding) beschikbaar zijn. Het zal duidelijk zijn dat de universiteiten en andere non-commerciële onderzoeksinstellingen belang hebben bij goed toegankelijke hulpmiddelen. Aan deze instellingen wordt een belangrijke rol toegedicht wanneer het gaat om het doen van fundamenteel, lange termijn, onderzoek, en wanneer het gaat om het opleiden van voldoende gekwalificeerd personeel. De universiteiten kunnen deze rol echter alleen vervullen wanneer de middelen die ze in huis hebben niet onderdoen voor datgene wat binnen het bedrijfsleven gangbaar is.

Bedrijven hebben belang bij een toegankelijke infrastructuur omdat het de drempel voor het ontwikkelen van Nederlandstalige TST-producten verlaagt. De soms geopperde gedachte dat algemeen toegankelijke hulpmiddelen de marktpositie van sommige commerciële instellingen ondermijnt moet ons inziens niet te serieus genomen worden. Er bestaat een grote afstand tussen de data en software die deel uitmaken van de infrastructuur en producten die geschikt zijn voor de consumentenmarkt of die op maat gemaakt zijn voor de behoeften van een afnemend bedrijf. Dit betekent dat er voldoende mogelijkheden overblijven voor commerciële exploitatie van de TST-markt.

Een laatste argument voor een algemeen toegankelijke infrastructuur is dat voor de hulpmiddelen die deel uitmaken van deze infrastructuur geldt dat het met name de som der delen is die maakt dat deze hulpmiddelen nuttig zijn. Een corpus algemeen Nederlands is bijvoorbeeld op zich weinig waardevol, maar kan wel dienen om data die aan een domeinspecifiek corpus zijn ontleend in het juiste perspectief te plaatsen. Een corpus voorzien van woordsoort wordt interessant wanneer er bijvoorbeeld ook een automatische tagger bestaat die werkt met dezelfde woordsoorten, en wordt nog interessanter wanneer er ook een programma voor syntactische analyse bestaat dat werkt met dezelfde woordsoorten. Op dezelfde manier kan een algemene grammatica van het Nederlands niet zonder een uitgebreid woordenboek, waaraan de informatie die voor het ontleden van concrete zinnen essentieel is, ontleend kan worden.

Op basis van deze twee overwegingen - de overheid dient een coördinerende en ondersteunende rol te spelen en de infrastructuur voor TST dient algemeen toegankelijk te zijn - komen we nu tot een aantal aanbevelingen. De aanbevelingen zijn gebaseerd op een karakterisering van de ideale infrastructuur voor TST, zoals we die hebben geschetst in hoofdstuk 1, het overzicht en de evaluatie van de bestaande infrastructuur, zoals we die hebben gegeven in hoofdstukken 2 en 3, en niet in de laatste plaats, op de interviews die we hebben gevoerd met deskundigen op het gebied van onderzoek, productontwikkeling, onderwijs, en beleid voor TST.

We willen hier tenslotte nog opmerken dat dit rapport tot stand is gekomen op het moment dat één van de belangrijkste initiatieven voor initiatieven voor TST voor het Nederlands, het project voor een Corpus Gesproken Nederlands, concrete vormen begint aan te nemen. Een aantal van onze gesprekspartners zijn ook bij dit project betrokken. De aanbevelingen die hieronder worden gedaan komen daarom op een belangrijk moment. Met de start van dit project wordt duidelijk dat aandacht voor TST niet slechts een incidentele zaak zou mogen zijn, en dat er een reële taak ligt voor een instantie die zich richt op het beheer van data en software (naast de resultaten van het CGN valt hierbij ook te denken aan de resultaten van een projecten als het Referentiebestand Nederlands en de lexicale databases van de Commissie Lexicale Vertaalvoorzieningen). Tenslotte moge duidelijk zijn dat een corpus gesproken Nederlands slechts één aspect is van een infrastructuur, en dat er nog een groot aantal hulpmiddelen niet, of slechts in zeer embryonale vorm, beschikbaar is voor het Nederlands.

Hieronder worden twee typen aanbevelingen geformuleerd: aanbeveling 1 waarbij de Nederlandse Taalunie een cruciale rol speelt vanwege de monitor^5.1 en platformfunctie^5.2 die ze vervult in het hele taalgebied, en de aanbevelingen 2 en 3 die buiten de directe competentie van de Taalunie vallen. De Taalunie zou ons inziens echter de bevoegde instanties in Nederland en Vlaanderen kunnen attenderen op hun verantwoordelijkheden in dezen.

5.1 Een Platform voor Taal- en Spraaktechnologie

Aanbeveling 1: Het instellen van een Nederlands-Vlaams platform met als primaire taak het coördineren van activiteiten op het gebied van taal- en spraaktechnologie voor het Nederlands. De Taalunie zou hierbij als initiator en coördinator kunnen optreden.

Dit platform krijgt als centrale taken toebedeeld:

• Instellen van een Nederlands-Vlaamse werkgroep die tot taak heeft binnen een jaar een plan op te stellen voor het beheer, het onderhoud, en het beschikbaar stellen van materialen die kunnen worden ingezet bij het onderwijs, het onderzoek, en de ontwikkeling van producten op het gebied van de taal- en spraaktechnologie. De werkgroep zal moeten nagaan welke juridische constructie (bijvoorbeeld een stichting) het meest gechikt is en hoe een en ander kan worden gefinancierd.
  Met de volgende meer specifieke taken dient rekening te worden gehouden:
  • Het beheren van hulpmiddelen (met name lexicale databases en corpora) die zijn vervaardigd ten behoeve van onderzoek op het gebied van TST. Onder beheer wordt o.a. verstaan het eventueel aanpassen van het materiaal zodat het op verschillende computersystemen gebruikt kan worden, het waar mogelijk combineren van hulpmiddelen tot een nieuw hulpmiddel, het beschikbaar maken van documentatie, het beantwoorden van vragen van gebruikers, en eventueel het verlenen van assistentie bij het gebruik van deze hulpmiddelen.

  • Acquisitie van bestanden zoals woordenlijsten, tekstbestanden, en bestanden met spraak, die niet direct deel uitmaken van de TST-infrastructuur maar die daarbinnen een rol zouden kunnen spelen. Te denken valt aan tekstbestanden (fictie en nonfictie, wetenschappelijk, journalistiek, etc.) van uitgeverijen, van verschillende overheidsorganen, aan opnames van omroepen, en aan terminologische bestanden die binnen bedrijven, instellingen, en beroepsorganisaties worden aangelegd. Er moet worden onderzocht waar mogelijk waardevolle bestanden beschikbaar zijn, en er moeten afspraken met de leveranciers van het materiaal over auteursrechtelijke kwesties worden gemaakt. Daarnaast moet worden onderzocht wat in het buitenland beschikbaar is en hoe dat eventueel kan worden aangepast voor het Nederlands.

  • Onder onderhoud van bestanden moet onder meer worden verstaan het verbeteren van door gebruikers gesignaleerde fouten en omissies, het aanpassen aan nieuwe media, het eventueel uitbreiden van de dekking wanneer daaraan behoefte is. Daarnaast moet er regelmatig worden geëvalueerd welke bestanden nog verder moeten worden onderhouden (hiervoor moeten criteria worden ontwikkeld) en door wie dat kan worden gedaan. Indien de oorspronkelijke makers hiervoor kunnen worden ingeschakeld verdient dit de voorkeur. Na verloop van tijd zal dit vaak niet meer mogelijk zijn en moet er een andere oplossing worden gezocht. Er moet ook worden onderzocht hoe bij toewijzing van een project het onderhoud in de eerstvolgende jaren al kan worden verzekerd.

  • Bij het beschikbaar stellen van hulpmiddelen spelen vaak juridische kwesties een rol (auteursrechten en dergelijke). Goede adviezen bij de start van een project zijn belangrijk. Verder moeten er overeenkomsten met de eigenaren van het materiaal worden gesloten over verdere distributie, het aanbrengen van verbeteringen, etc.

  Zo kan er een instelling in Nederland en Vlaanderen ontstaan die zich specifiek richt op het beheren van hulpmiddelen voor TST, een taak waarvoor momenteel geen enkele instantie verantwoordelijk is en een taak waar bovendien grote behoefte aan is.

• Instellen van een Vlaams-Nederlandse werkgroep die die tot taak heeft binnen een half jaar een plan op te stellen voor de versterking van de materiële infrastructuur voor de taal- en spraaktechnologie van het Nederlands. De werkgroep zal daarnaast de prioriteiten moeten vaststellen en moeten nagaan hoe een en ander kan worden gefinancierd.
  Te denken valt onder meer aan:
  • Het (daadwerkelijk en onder duidelijke voorwaarden) beschikbaar maken van materiaal dat in de afgelopen jaren aan diverse instituten is ontwikkeld.

  • Een omvangrijk (minstens 50 miljoen woorden) tekstcorpus dat uitgebalanceerd is qua genre, regio, en onderwerp.

  • Een woordenlijst conform de regels van de nieuwe spelling die qua omvang (minstens 500.000 woordvormen) en samenstelling (rekening houdend met het vocabulaire van speciale tekstsoorten en beroepsgroepen) geschikt voor automatische spellingcorrectie.

  • Een corpus, geannoteerd met woordsoort, dat gebruikt kan worden voor het trainen en testen van systemen voor het automatisch toekennen van woordsoorten (taggers).

  • Een tagger die de woordsoorten van bovengenoemd corpus hanteert en die een precisie heeft die conform internationale standaards is.

  • Een corpus, geannoteerd met constituentstructuur (treebank), dat gebruikt kan worden voor het trainen en testen van systemen voor automatische syntactische analyse.

  • Een treebank die de constituentstructuur van bovengenoemd corpus hanteert en die een precisie heeft die conform internationale standaards is.

  • Een parallel corpus (met name voor het taalpaar Nederlands-Engels).

  • Tweetalige woordenboeken.

  • Een formele en computationele, corpus-gebaseerde, beschrijving van de syntaxis van het hedendaagse Nederlands (een computationele ANS ofwel de groene grammatica) die kan dienen als uitgangspunt voor verder computationeel onderzoek naar de syntactische structuur van het Nederlands.

  • Een elektronisch woordenboek dat gedetailleerde informatie bevat over syntactische fenomenen (met name valentie).

  • Een elektronisch woordenboek dat semantische informatie bevat.

  • Een set van materialen voor het 'waarderen' van Nederlandstalige NLP-producten en tools: standaarden, benchmarks, testsuite

Bij de overige taken van het platform zou men kunnen denken aan:

• Informatie verzamelen en verstrekken. Er wordt een overzicht bijgehouden van instellingen die actief zijn op het gebied van TST, van relevante projecten, en van subsidiemogelijkheden bij de EU en bij de nationale onderzoeksinstellingen. Dit zou kunnen gebeuren in een elektronische nieuwsbrief die regelmatig wordt verspreid.

• Instellen van een permanente adviescommissie voor TST. De commissie, waarin beleid, industrie, en universiteiten gerepresenteerd zijn, heeft als taak adviezen op te stellen die ertoe leiden dat de infrastructuur voor TST voldoet, respectievelijk blijft voldoen aan internationale maatstaven. De commissie kan bij nationale of Nederlands-Vlaamse projecten die bijvoorbeeld de ontwikkeling van woordenboeken, corpora, of grammatica's tot doel hebben, om advies worden gevraagd teneinde te garanderen dat optimaal rekening gehouden wordt met de eisen die TST-toepassingen stellen.

• Contacten tot stand brengen tussen overheid (nationaal en Europees), universiteit en bedrijfsleven.

• Organiseren van themabijeenkomsten.

• Awareness stimuleren, bijvoorbeeld door het organiseren van demonstraties van TST-producten en prototypes op beurzen, conferenties, en zomerscholen; door het opstellen en verspreiden van voorlichtingsmateriaal voor toekomstige studenten, etc.

• Uitgeven van een (elektronische) nieuwsbrief en/of een jaarverslag. Er vindt regelmatig rapportage plaats over de activiteiten van het platform en de adviescommissie in de vorm van een nieuwsbrief of jaarverslag, beschikbaar voor alle geïnteresseerden.

• Bevorderen van de Nederlands-Vlaamse samenwerking. Het platform en de adviescommissie onderzoeken actief hoe Nederlands-Vlaamse samenwerking op het gebied van TST bevorderd kan worden.

• Waar mogelijk en zinvol, het bevorderen van aandacht voor het Nederlands en betrokkenheid van Nederlandse partners in Europese initiatieven op het gebied van TST.

Uit het overzicht van instanties die verantwoordelijk zijn voor aspecten van het beleid voor TST en uit de interviews komt duidelijk naar voren dat er momenteel op beleids- en organisatorisch niveau sprake is van versnippering. Met het instellen van een platform voor TST kan deze versnippering worden tegengegaan. Daarbij moet bij een platform worden gedacht aan een structuur die weinig ambtelijke ondersteuning vraagt. Aan het geringe enthousiasme dat in sommige interviews doorklinkt voor het oprichten van weer een beleidsinstelling wordt op deze manier tegemoet gekomen.

Tegelijkertijd is een platform waarschijnlijk niet erg effectief wanneer het het zonder ondersteuning moet stellen. Bij ondersteuning kan men naast puur administratieve ondersteuning denken aan één wetenschappelijk medewerker die een wezenlijke inhoudelijke bijdrage kan leveren.

De Taalunie heeft een adviserende taak op het gebied van taalbeleid en taalpolitiek in Nederland en Vlaanderen. Daardoor sluit een platform voor TST dat adviseert in Nederland en Vlaanderen nauw aan bij de taakstelling en competentie van de Taalunie. De financiele middelen die nodig zijn voor de activiteiten van het platform zouden door het Comité van Ministers van de Taalunie ter beschikking moeten worden gesteld.

Anders dan bij de eerste aanbeveling kan de Taalunie bij de volgende twee aanbevelingen geen grote rol te spelen. Toch nemen we deze aanbevelingen in ons rapport op omdat zeker op de langere termijn goede onderwijs- en onderzoeksmogelijkheden op het vlak van TST doorslaggevend zullen zijn voor het succes van de TST-sector in Nederland en Vlaanderen.

5.2 Versterking van de positie van Onderzoek en Onderwijs

Aanbeveling 2: Het stimuleren van zowel fundamenteel als toegepast onderzoek op het gebied van TST

De positie van het universitair onderzoek in de taal- en spraaktechnologie kan verbeterd en verstevigd worden door de volgende maatregelen:

• Het beschermen van bestaande expertise in de universitaire onderzoeksgroepen (in Nederland), respectievelijk het geven van nieuwe impulsen aan dergelijke kernen van expertise (in Vlaanderen). Wetenschappelijk onderzoek (fundamenteel en toepassingsgericht) is het enige middel om nieuwe impulsen aan de industrie te kunnen geven. Vooral op langere termijn werpen investeringen hier hun vrucht af.

• Het zorgen voor continuïteit in onderzoeksfinanciering (in Nederland en Vlaanderen). De effecten van de door het beleidgeleverde inspanningen zijn op langere termijn vaak gering omdat niet wordt geïnvesteerd in consolidatie en continuïteit waardoor de opgebouwde expertise snel weer verdwijnt.

• De mogelijkheden onderzoeken voor het tot stand brengen van een specifiek multidisciplinair fonds voor TST onderzoek. TST onderzoek valt vaak moeilijk bij een van de fondsen, of bij een van de afdelingen van die fondsen, onder te brengen. TST onderzoek bevat vaak zowel fundamentele als toegepaste aspecten en is daarbij ook nog vaak multidisciplinair (taalkunde, statistiek, informatica, psychologie). Sponsors van fundamenteel onderzoek (FWO, NWO) en toegepast onderzoek (IWT, STW) beschouwen TST projecten derhalve regelmatig als niet behorend tot hun domein.

• Het creëeren van een specifiek onderzoeksprogramma waarbij gezamenlijke, Vlaams-Nederlandse TST projecten kunnen worden ingediend. Gezamenlijke projecten komen nu nog vaak op ad hoc basis tot stand (cf.  Corpus Gesproken Nederlands). De beschikbare middelen zouden beter kunnen worden besteed indien er meer structureel wordt samengewerkt. Het TST beleid in Nederland en Vlaanderen zou hiertoe meer op elkaar af moeten worden gestemd.

Aanbeveling 3: Het opzetten van een speciale (interuniversitaire) opleiding voor taal- en spraaktechnologie in Vlaanderen en het versterken van de opleidingen op dit gebied in Nederland.

De positie van het universitaire onderwijs in de taal- en spraaktechnologie kan verbeterd en verstevigd worden door de volgende maatregelen:

• Het opzetten, dan wel verder uitbouwen van een speciale opleiding voor taal- en spraaktechnologie in Vlaanderen, hetzij als specialisatie met een omvang van plusminus één jaar binnen bestaande programma's, hetzij als nieuwe opleiding binnen de geesteswetenschappen of binnen de informatica.

• Het bevorderen van de samenwerking tussen bestaande opleidingen in Nederland (en, wanneer geschikte partners zich aandienen, in Vlaanderen). Te denken valt aan overleg over curricula, uitwisseling van onderwijsmateriaal, gezamenlijk overleg met het bedrijfsleven, etc.
• Een onderzoek naar de mogelijkheden om te komen tot opleidingen die zich niet slechts richten op de taaltechnologie (computerlinguïstiek) of de spraaktechnologie (in Nederland meestal als onderdeel van de fonetiek, in Vlaanderen van elektrotechniek), maar die een evenwichtige combinatie zijn van beide. Gezien het technische karakter van een dergelijke opleiding ligt een exclusieve positie binnen de letteren niet voor de hand. Een interdisciplinaire opleiding, waarin zowel informatica als letteren deelneemt, verdient daarom wellicht de voorkeur.

• Het ontwikkelen van onderwijsmateriaal (teksten, oefeningen en opgaven, en software).

• Aansluiting bij Europese (Socrates) initiatieven op onderwijsgebied, zoals de ACOHUM-werkgroep voor computerlinguistiek en taaltechnologie, het netwerk voor fonetiek en spraakcommunicatie, en het voorgenomen European Masters in Language and Speech.

Volgende: Bibliografie Naar boven: De positie van het Vorige: 4. Interviews