Onze Taal. Jaargang 77

[p. 56]

Ewoud Sanders
Het mes erin!
De digitale toekomst van taalonderzoek

Door de computer en het internet zijn de mogelijkheden om onderzoek te doen naar woorden en uitdrukkingen de laatste decennia spectaculair gegroeid. Steeds meer teksten zijn digitaal toegankelijk, voor iedereen. Hoe kun je zo'n onderzoek uitvoeren? En moeten er niet nóg meer bronnen elektronisch beschikbaar komen? Hoe pak je dat aan?

Ewoud Sanders: ‘Er zijn veel digitale hulpmiddelen voor taalonderzoek en - heel belangrijk - ze zijn voor iedereen beschikbaar.’
Foto: Bart Versteeg

Toen de Leidse hoogleraar Matthias de Vries in 1851 de opdracht aanvaardde om het Woordenboek der Nederlandsche Taal (WNT) te gaan samenstellen, het grote wetenschappelijke woordenboek van het Nederlands, zat hij meteen met een organisatorisch probleem. De Vries wilde de artikelen in dit woordenboek baseren op het werk van de beste schrijvers uit de Nederlandse literatuur, zoals Joost van den Vondel, P.C. Hooft en Willem Bilderdijk.

Maar alle werken van die schrijvers moesten voor dit doel nog wel worden doorgenomen. Hiertoe vroeg De Vries hulp aan alle letterkundigen in Nederland en Vlaanderen. In een oproep die werd gepubliceerd in allerlei kranten en tijdschriften zette hij nauwgezet uiteen hoe zij te werk moesten gaan. Medewerkers dienden op een stuk papier van een bepaald formaat te noteren waar, op welke bladzijde in een boek, zij welk woord hadden gevonden.

Vervolgens stuurden ze die stukken papier, fiches genoemd, naar De Vries. Die fiches - het waren er uiteindelijk ruim twee miljoen! - werden alfabetisch geordend door assistenten van dit megaproject.

■Veel tijd

Was het werk hiermee gedaan? Nee, want op ieder fiche stonden nu niet meer dan een woord en een verwijzing, onvoldoende voor een redacteur om mee aan de slag te kunnen. De redactieassistenten gingen dus terug naar de bron, schreven met de hand een citaat op het fiche (zodat de context duidelijk werd), ordenden vervolgens alle fiches per woord in chronologische volgorde, waarna ze in een kaartenbak werden gedaan die bij de redacteur werd afgeleverd.

Ziehier een voorbeeld van hoe er honderdvijftig jaar geleden aan een woordenboek werd gewerkt. U begrijpt dat dit allemachtig veel tijd kostte. Het duurde dan ook dertien jaar, tot 1864, voordat de eerste aflevering van het WNT af was. En uiteindelijk was het hele project pas klaar in 1998 - na bijna 150 jaar hard werken. De laatste jaren werd er natuurlijk wel gebruikgemaakt van computers en soms van fotokopieen, maar tot ver in de twintigste eeuw bleef men de oude, omslachtige werkwijze volgen.

Een ander voorbeeld van taalonderzoek uit het predigitale tijdperk. We verplaatsen ons naar Utrecht, 1972, naar de vooraanstaande hoogleraar C.B. van Haeringen. In wat hij later omschreef als een ‘rustig en zakelijk gesprek’ met een studente, hoorde Van Haeringen op een dag een uitdrukking die hem schokte. De studente had gezegd: ‘Dat slaat als kut op dirk.’ Van Haeringen had grote belangstelling voor het moderne Nederlands en dus ging hij op onderzoek uit. Hij raadpleegde het WNT (waarin hij, in een deel uit 1909, de variant ‘Dat rijmt als kut op Dirk’ vond) en hij vroeg een Amsterdamse collega om een ‘vervolgonderzoekje’ te doen. Dat vervolgonderzoekje bestond uit een ‘kleine pei-

[p. 57]

ling’ onder de studenten van die collega. Degenen die de uitdrukking van jongs af aan kenden, zo bleek, waren Amsterdammers. De versie met rijmt kende niemand, maar Van Haeringen veronderstelde dat dit de oervorm was. Daarnaast circuleerde er een aangepaste, versluierende variant, namelijk ‘Dat slaat als kip op Dirk.’ Voor de zekerheid koos Van Haeringen, zoon van een predikant, die toch maar als titel voor het artikel dat hij in 1974 over de uitdrukking publiceerde in het tijdschrift De nieuwe taalgids.

■Roltrap

Hoe zouden wij tegenwoordig zo'n onderzoek aanpakken? Over welke digitale hulpmiddelen kunnen wij beschikken als we de geschiedenis van een woord of uitdrukking willen onderzoeken? Het zijn er veel en - heel belangrijk - ze zijn voor iedereen beschikbaar, niet alleen voor historici of taalkundigen, maar ook voor iedere leek die er plezier in heeft zich in zo'n woordgeschiedenis te verdiepen.

Laten we het woord roltrap als voorbeeld nemen. Sinds wanneer kennen wij dit woord in het Nederlands? Een van de websites die je bij dit soort onderzoek niet mag missen is de DBNL, de Digitale Bibliotheek voor de Nederlandse Letteren (www.dbnl.org). De DBNL bestaat sinds eind 1999. Sinds een paar maanden kun je bronnen op deze website - literaire en enkele taalkundige werken, ruim tweeduizend boeken en zo'n vierhonderd jaargangen van tijdschriften, samen goed voor zo'n 700.000 pagina's - op woordniveau doorzoeken.

Zoek naar roltrap in de DBNL en je vindt als vroegste bron een passage in het tijdschrift Merlyn uit 1963 (‘Een nieuw [verhaal] lijkt te beginnen, waarin Erwin (...) de jongen Elies op een roltrap ontmoet’).

■Kranten

Een nadeel van de DBNL is dat er relatief zo weinig bronnen in staan. Je kunt er leuke dingen vinden, maar voor dateringen van woorden heb je meer aan de echt grote materiaalverzamelingen, vooral aan oude kranten. Er zijn nu al ruim twintig kranten op internet te raadplegen (voor een selectie zie het kader op blz. 58) en de komende jaren komen er nog een paar honderd titels bij. Een goede plek om te beginnen is het krantenproject van de Koninklijke Bibliotheek (www.kb.nl/kranten), waar je vier kranten uit de periode 1910-1940 tegelijk kunt doorzoeken. Zoek in dit bestand en je vindt binnen een paar seconden een grote advertentie van de Bijenkorf in de Nieuwe Rotterdamsche Courant van 20 maart 1926.

Er was indertijd al een Bijenkorf in Amsterdam, maar die in Den Haag werd nog groter en specialer, verzekerde de advertentie ons. ‘Voor de communicatie tusschen de vijf étages’, zo lezen we, ‘dienen vier ruime personenliften en vier goederenliften, een roltrap (escalier roulant), de eerste in ons land, is in staat 4000 personen per uur te vervoeren.’

De eerste roltrap in Nederland werd dus in het voorjaar van 1926 in gebruik genomen. Je kunt niet uitsluiten dat het woord roltrap al eerder was gebruikt in reportages over warenhuizen in bijvoorbeeld Parijs, Berlijn, Londen of de Verenigde Staten, maar dikke kans dat het woord bij ons pas algemeen bekend werd door die roltrap bij de Haagse Bijenkorf. We hebben meteen een goede aanwijzing voor de herkomst: kennelijk ging het hier om een leenvertaling uit het Frans (escalier roulant), niet om een woord dat we uit het Engels (moving staircase) overnamen.

Natuurlijk moet je dit nog nader onderzoeken, maar daar zijn dan weer allerlei andere digitale bronnen voor beschikbaar (zoals de digitale versie van het WNT - zie http://gtb.inl.nl).

Langs digitale weg is snel te achterhalen dat het woord roltrap in 1926 algemeen bekend werd, toen de Haagse Bijenkorf er een in gebruik nam.
www.kb.nl/kranten

■Google

Van Haeringen zocht onder meer naar varianten van de uitdrukking ‘Dat slaat als kut op dirk.’ Heb je wat dit betreft ook iets aan internet?

Zeker. In de meeste zoekmachines, waaronder Google, kun je gebruikmaken van zogenoemde booleaanse operatoren. Dat klinkt wellicht ingewikkeld, maar het betekent dat je met woorden als AND, OR en NOT zoekopdrachten kunt verfijnen of uitbreiden. Bovendien kun je met behulp van een asterisk (*) plekken in een zoekopdracht leeg laten. Vooral dit laatste is belangrijk als je zoekt naar varianten van uitdrukkingen.

Van Haeringen moest zich beperken tot een kleine steekproef onder studenten in Amsterdam. Krap veertig jaar la-

[p. 58]

ter hebben we de beschikking over het grootste tekstcorpus uit de geschiedenis van de mensheid: de miljarden woorden op internet. Neem de proef op de som en tik zelf op Google deze formule in: ‘(dubbele aanhalingstekens openen) dat slaat als * * op * *’ (dubbele aanhalingstekens sluiten). Als u zich beperkt tot het Nederlandstalige gedeelte van internet, vindt u zo'n negentienhonderd resultaten. Vindt u dit te veel? Beperk dan uw zoekopdracht met NOT of - (het min-teken). Wil je bijvoorbeeld het varken eruit werken, maak dan als zoekregel: ‘dat slaat als * * op * *’ -‘op een varken’. Nu zijn er nog maar 247 zoekresultaten over.

In plaats van slaat (‘dat slaat op’), kun je ook nog zoeken op de woorden klinkt, lijkt, past, rijmt, sluit en voegt, en zo nodig kun je die allemaal toevoegen achter het commando OR.

Mede omdat de groei van de DBNL mij veel te traag gaat, ben ik zelf boeken gaan versnijden en scannen.

■Cd's en dvd's

Nogmaals, dit klinkt misschien ingewikkeld, maar je hebt het werkelijk zó in de vingers. Al heel snel vind je interessante varianten, bijvoorbeeld deze eufemistische: ‘Dat slaat als een hm tegen de kerktoren’, ‘Dat slaat als orgaan op Dirk’ en ‘Dat slaat als kul op Dirk.’ Wil je nu weten hoe vaak dergelijke varianten voorkomen (het kunnen immers ook eenmalig gebruikte varianten zijn, wat ze voor taalkundig onderzoek minder interessant maakt), zet dan de complete uitdrukking tussen dubbele aanhalingstekens (bijvoorbeeld ‘slaat als orgaan op Dirk’).

Op deze manier kun je van alles te weten komen over de frequentie van woorden, woordcombinaties en uitdrukkingen. Dat is doorgaans een goede aanwijzing voor de bekendheid en verbreiding van een woord of uitdrukking.

Zijn hiermee alle digitale hulpmiddelen uitgeput? Welnee, we staan pas aan het begin. Er verschijnen steeds meer woordenboeken online. De belangrijkste historische woordenboeken voor het Nederlands, waaronder het WNT, zijn digitaal raadpleegbaar via www.inl.nl. De afgelopen jaren heeft het Genootschap Onze Taal diverse cd's en dvd's in omloop gebracht met belangrijke bronnen voor taalkundig onderzoek. De belangrijkste taalkundige tijdschriften en spreekwoordenboeken uit de negentiende en twintigste eeuw zijn digitaal te doorzoeken - snel en makkelijk, via een centrale index. In samenwerking met Onze Taal heb ik onlangs een dvd uitgebracht met daarop veertig van de belangrijkste etymologische woordenboeken en woordstudies van 1818 tot 2001 - ruim 12.000 pagina's.

Krantenarchieven op internet

Een selectie van historische krantenarchieven op internet, chronologisch gerangschikt.

1752-heden	Leeuwarder Courant
1854-1939	De Postrijder (Vlaams)
1856-1956	De Gelderlander
1857-1914	Gazette van Yperen (e.a)
1864-heden	kranten uit Oostende
1877-1940	De Groene Amsterdammer
1887-1973	Texelse Courant
1891-1940	Elsevier's Maandschrift
1901-1912	De Moker (Schiedam)
1910-1945	Vier kranten bij de KB
1921-2005	Soester Courant
1930-1939	Alkmaarsche Courant
1940-1945	Rotterdamsch Nieuwsblad
1946-1963	Dagblad voor Amersfoort
1950-1960	Leidsch Dagblad

Zie voor de webadressen en een completer overzicht: http://kranten-historisch.startpagina.nl.

■Discussie

Is dit alles bij elkaar zo langzamerhand niet te veel aan het worden? Niet voor mij persoonlijk. Onlangs is er een discussie losgebarsten over plannen van de Koninklijke Bibliotheek om boeken te gaan versnijden en scannen. Je kunt boeken bladzijde voor bladzijde op een scanner leggen en je kunt ze letter voor letter laten uittikken in het buitenland, zoals de DBNL lang heeft gedaan. Dit is echter tijdrovend en duur.

Vandaar dat nu ook de wetenschappelijke bibliotheken nadenken over een andere aanpak: van de boeken die in veelvoud aanwezig zijn in de collecties één exemplaar nemen dat je kunt opofferen. Lees: dat je kunt versnijden, dat je snel en goedkoop kunt scannen om het vervolgens weg te gooien.

Hoewel er jaarlijks stilzwijgend honderdduizenden boeken worden weggegooid, ook door bibliotheken, leidt het tot luide protesten als je aankondigt dat je boeken wilt gaan vernietigen nadat je ze een tweede leven hebt gegeven in digitale vorm.

Er valt veel over dit onderwerp te zeggen, maar laat ik hiermee volstaan: mede omdat de groei van de DBNL mij veel te traag gaat (ruim 2000 titels in acht jaar is niet veel, zeker niet als je bedenkt dat Google nu maandelijks 10.000 boeken uit de bibliotheek van Gent gaat scannen), mede omdat het mij dus allemaal veel te traag gaat, ben ik zelf gaan snijden en scannen. In anderhalf jaar tijd heb ik op die manier een gespecialiseerde taalbibliotheek aangelegd die nu 1,5 miljoen pagina's telt en die met zo'n 50.000 pagina's per maand groeit.

Die bibliotheek is nog niet openbaar (dat kan niet vanwege de auteursrechten), maar ik probeer hem in delen toegankelijk te maken voor belangstellenden en onderzoekers in binnen- en buitenland.

Je moet het nut van al die digitale bronnen niet onderschatten. Het worden er meer en meer, en er zou een punt kunnen komen dat we dreigen te verzuipen in het materiaal. Ik ben daar zelf niet zo bang voor, want tegelijkertijd komen er steeds betere en fijnmaziger zoeksystemen op de markt.

Hoe dan ook kunnen wij nu beter zoeken en hebben wij nu meer materiaal tot onze beschikking dan ooit tevoren. Het onderzoek naar het Nederlands, met name naar de geschiedenis van onze woordenschat, is daarmee in een nieuwe fase terechtgekomen.

Niet alleen in een fase van overdaad, maar ook in een democratische fase, want ik zeg het nog maar eens: iedereen die een klein beetje thuis is op de computer, iedere lezer van dit blad die bereid is om zich een avondje in deze materie te verdiepen, heeft een onwaarschijnlijke rijkdom aan bronnen onder toetsbereik. Hoe je bronnen vervolgens ordent en analyseert, is een ander verhaal.