Onze Taal. Jaargang 66

Marc van Oostendorp
Een databank met gesproken Nederlands

Begin volgend jaar gaat het project Gesproken Nederlands van start. Enkele honderden vrijwilligers zullen vierentwintig uur per dag alle woorden opnemen die ze uitspreken. Dat moet leiden tot een elektronisch archief met tien miljoen gesproken woorden. ‘Een monumentje voor het Nederlands’, volgens initiatiefnemer Harald Baayen.

Het beroep van taalkundige wordt wel geassocieerd met dikke boeken en stoffige folianten. Het project Gesproken Nederlands zal daar misschien verandering in brengen. Enkele tientallen vrijwilligers zullen ten behoeve van de wetenschap dag en nacht een recorder met zich meedragen om alles op te nemen wat ze zeggen. Op deze manier zullen taalkundigen eindelijk systematisch onderzoek kunnen doen naar een taalvorm die tot nu toe moeilijk te vangen was: de taal zoals Nederlanders en Vlamingen die elke dag spreken.

De taalkundige Harald Baayen van het Nijmeegse Max Planck Institut für Psycholinguistik was een van de initiatiefnemers van dit project. Het ligt daarom voor de hand dat hij er enthousiast over is. Maar hij is niet de enige. ‘Toen het bericht in de krant kwam, stond de telefoon een paar dagen roodgloeiend’, vertelt hij.

● Water in de mond

Het project Gesproken Nederlands zal een van de grootste zijn die taalkundigen in ons taalgebied ooit uitvoerden. Volgend jaar begint een groep Nederlandse en Vlaamse taalwetenschappers gezamenlijk een elektronisch archief op te bouwen waarin ongeveer tien miljoen gesproken woorden zullen worden opgeslagen. Vijf jaar later moet het archief op een cd-rom uitkomen.

Al die woorden zullen worden uitgeschreven en worden voorzien van een grote hoeveelheid informatie. De onderzoekers beschrijven de woordsoort en ontleden de uitgesproken zinnen. Ook noteren zij bij elk woord onder meer wie het uitsprak, in welke omstandigheid hij dat deed, tot welke leeftijdscategorie de spreker hoorde, en tot welke sociale klasse.

Het project, dat wordt gesubsidieerd door de Nederlandse en de Vlaamse ministeries van Onderwijs en Wetenschappen, is uniek, niet alleen voor ons taalgebied. In de hele wereld bestaat er geen vergelijkbaar

[p. 215]

project voor enige andere taal. Alleen voor het Brits Engels is er een gegevensbank, die eveneens gebaseerd is op tien miljoen woorden. Een groot verschil met het Nederlandse project is dat in de Engelse bank alleen een schriftelijke neerslag van de gesproken woorden te vinden is. De geluidsbestanden zelf kunnen niet meer afgeluisterd worden. Voor andere talen bestaat helemaal nog niets vergelijkbaars: niet voor het Frans, niet voor het Duits, en zelfs niet voor het Amerikaans Engels. ‘Ik weet zeker dat onze Amerikaanse collega's het water in de mond loopt als ze onze gegevensbank zien’, zegt Baayen.

● Taaltechnologie

De databank kan worden gezien als een belangrijk steuntje in de rug voor onze taal, iets wat zij ook wel kan gebruiken. De taaltechnologie - de verzameling technieken om computers met taal te laten werken - wordt steeds geavanceerder en steeds duurder. Het gevaar bestaat dat die technieken alleen voor het Engels ontwikkeld worden, omdat de technologische kennis over die taal nu eenmaal het grootst is. Dit project zal het makkelijker maken ook producten voor het Nederlands te bouwen, zoals programma's die het mogelijk maken dat de Nederlandse gebruiker in zijn eigen taal met de computer kan praten. Bedrijven en onderzoeksinstellingen krijgen nu in één klap een grote hoeveelheid materiaal in handen.

Maar er zit niet alleen een technologische kant aan de zaak. Ook mensen die methodes ‘Nederlands voor buitenlanders’ ontwikkelen, zullen van de gegevens kunnen profiteren. Eindelijk kunnen ze nu systematisch nagaan hoe het Nederlands echt klinkt. Zo kunnen ze nog beter onderzoeken hoe ze anderstaligen moeten leren op een natuurlijke manier te spreken. Ook de taalkundigen zelf zullen van deze kennis kunnen profiteren. Nooit eerder hadden ze de mogelijkheid om gesproken taal zó systematisch te bestuderen.

● Vrijwilligers

Hoe verzamelt een onderzoeker tien miljoen gesproken woorden? Waarschijnlijk worden vrijwilligers uit het hele taalgebied geselecteerd, die opnamen van hun alledaagse taalgebruik maken. ‘Het is niet de bedoeling dat die vrijwilligers dialect spreken,’ zegt Baayen, ‘al mag er best een Groningse of Vlaamse tongval doorheen klinken.’ Die vrijwilligers worden uitgerust met opnameapparatuur. ‘Ze zetten die apparatuur 's ochtends vroeg bij de eerste gaap aan, en 's avonds na het laatste gesprek in bed zetten ze hem weer uit.’ Geven ze zo niet erg veel van hun privacy weg? ‘Nou, onder bepaalde voorwaarden mogen ze af en toe wel de knop omdraaien.’

Bovendien krijgen de vrijwilligers een stapel formulieren mee. Alles wat hun gesprekspartners zeggen, wordt ook opgenomen en komt dus ook in de gegevensbank terecht. Op de formulieren moeten al die mensen - de jongen achter de kassa, de receptioniste, de beste vriend - hun toestemming geven, en bovendien wordt hun gevraagd ook wat informatie te verstrekken over hun eigen achtergrond.

De opnamen worden ingeleverd, door de onderzoekers uitgeschreven, ontleed en van extra informatie voorzien. Zo moet binnen vijf jaar de gegevensbank gestaag groeien tot de geplande tien miljoen woorden bereikt zijn.

Ondanks het enthousiasme van de onderzoekers zal de elektronische gegevensbank niet op een grote publieke belangstelling hoeven te rekenen. Toch is het denkbaar dat ook niet-taalkundigen erin geïnteresseerd zullen zijn. ‘We zullen ook voor het nageslacht op een vrij systematische manier hebben vastgelegd hoe mensen rond de wisseling van het millennium spraken’, zegt Baayen. ‘We zullen een klein monumentje voor het Nederlands hebben opgericht.’ Een monumentje dat past in de palm van je hand.