TS. Tijdschrift voor tijdschriftstudies. Jaargang 2012

(2012)– [tijdschrift] TS– rechtenstatus

TS Tools

In deze aflevering van TS Tools geeft taalhistoricus en journalist Ewoud Sanders praktische tips voor het werken met gedigitaliseerde tijdschriften. Hieronder beschrijft hij hoe Nederlandstalige tijdschriften digitaal te verkrijgen zijn en hoe ze zo slim mogelijk kunnen worden doorzocht en geannoteerd.

Tijdschriften vinden op internet

Er zijn allerlei sites waar tijdschriften te vinden zijn, maar in het Nederlandse taalgebied is de Digitale Bibliotheek voor de Nederlandse Letteren (www.dbnl.org) stellig een van de belangrijkste. De DBNL digitaliseert op hoog niveau, maar de zoekmogelijkheden op deze site laat heel veel te wensen over. Stel, je wil weten of bij de DBNL het tijdschrift Boekzaal der geheele wereld aanwezig is. Op de beginpagina van de DBNL staat een zogenoemde ‘Tijdschriftenladder’, maar daar staat Boekzaal niet tussen. Er zijn andere zoekmogelijkheden, maar door schade en schande wijs geworden doorzoek ik de DBNL-site alleen nog maar via Google. Dat doe je door in de zoekregel van Google het zogenoemde site-commando toe te voegen. In dit geval zou de zoekopdracht er zo uitzien:

Dit levert als eerste resultaat deze pagina op:

Dus ja, de DBNL beschikt over scans van Boekzaal der geheele wereld. In totaal krijg je met deze zoekopdracht overigens ruim 60 hits, want Boekzaal der geheele wereld wordt in allerlei publicaties op de DBNL genoemd - die heb je daarmee ook meteen gevonden. Mocht je deze acht jaargangen meteen willen downloaden, bij de DBNL kan dat via deze pagina:

Als je bij de DBNL van jaargang naar jaargang naar de downloadpagina wilt gaan, moet je bij elkaar tientallen keren klikken. Dat is te voorkomen door naar de URL (het webadres) te kijken. De URL's van de downloadpagina van jaargang acht en zeven zien er zo uit:

www.dbnl.org/tekst/_boe016boek07_01/downloads.php

www.dbnl.org/tekst/_boe016boek06_01/downloads.php

Ze verschillen dus slechts één cijfer. Door dat cijfer te veranderen (naar 5, 4 enzovoorts), kun je snel van downloadpagina naar downloadpagina navigeren. Bij deze reeks gaat er overigens iets mis (jaargang 3 uit 1927 blijkt in feite jaargang 2 uit 1926 te zijn), maar doorgaans gaat het goed en kun je veel profijt hebben bij het aanpassen van de URL. Dat geldt zeker voor lange reeksen tijdschriften, zoals De Gids. Bij De Gids is de downloadlink nog iets informatiever, dat wil zeggen: er staat een jaartal in. Zo ziet de downloadlink voor De Gids van 1852 er zo uit:

https://www.dbnl.org/tekst/_gid0011852 01_01/downloads.php

Het wordt nu heel makkelijk om snel naar 1853 en 1864 enz. te manoeuvreren. Je kunt deze truc natuurlijk ook toepassen om snel van inhoudsopgave naar inhoudsopgave te bladeren. Zie de links voor de inhoudsopgaves van De Gids van 1864 en 1865:

www.dbnl.org/tekst/_gid001186401_01/index.php

www.dbnl.org/tekst/_gid001186501_01/index.php

Wat niet bij de DBNL kan, maar wel bij sommige andere websites, is dat je hele reeksen pdf's in één keer binnenhaalt. Daar zijn diverse tools voor. Zelf werk ik met Free Download Manager. Dat is een gratis tool die niet met Google Chrome werkt, maar wel met

Internet Explorer. Bij het Amsab-Instituut voor Sociale Geschiedenis (www.amsab.be) kun je bijvoorbeeld enkele interessante reeksen tijdschriften en weekbladen downloaden, zoals deze:

In dit geval gaat het om 206 pdf's, maar andere reeksen bevatten ver boven de duizend pdf's. Amsab is zo vriendelijk geweest om ze op een zogenoemde ftp-server te zetten. Eerst zie je dit:

Als je vervolgens op een directory klikt, krijg je de pdf's te zien:

Als je Free Download Manager hebt geïnstalleerd, hoef je alleen via je rechtermuisknop de optie ‘Download alles met Free Download Manager’ te kiezen. Dat doe je vijf maal, voor de mappen 1931 tot 1935. Je hebt nu de complete reeks op je pc staan. Maakte de DBNL het ons maar zo makkelijk!

Behalve bij de DBNL, moet je ook altijd zoeken bij Google Books. Helaas bevatten de pdf's die je van deze site plukt geen ocr-laag. Dat wil zeggen dat ze niet op tekst doorzoekbaar zijn. Dit is op te lossen door ABBYY Finereader aan te schaffen (€129, zie www.abbyy.com). Je sleept de pdf in dit programma, dat vervolgens de complete inhoud voor je uittikt. Hoe ouder de tekst, hoe meer tikfouten, maar het blijft verrassend hoeveel dit programma wel correct uittikt.

ABBYY Finereader is handig als je een heel boek of tijdschrift automatisch wil laten uittikken. Voor tekstfragmenten, tabellen of webpagina's waarvan je niet kunt knippen of plakken, kun je volstaan met ABBYY Screenshot Reader, dat slechts €9,95 kost. Je zet een kader om de tabel of tekst die je in digitale vorm wilt hebben en maakt vervolgens een keuze uit de verschillende opties:

Vervolgens krijg je dit te zien: links de afbeelding, rechts de uitgetikte (door ocr-software gelezen) tekst. Die kun je vervolgens corrigeren.

Fragment uit de Leeuwarder Courant van 1913.

Veel minder nuttig is het Geheugen van Nederland. Daar kun je ook tijdschriften downloaden, maar dat moet je met de hand doen, pagina voor pagina. Bovendien staan de pagina's door elkaar, zoals te zien is in onderstaande figuur:

Tijdschriften opvragen bij een instituut of uitgever

Dit ligt nogal voor de hand, maar bij mijn weten vragen maar weinig onderzoekers digitale bestanden op bij instellingen of uitgevers. Ik doe dit al een jaar of zeven en heb er alleen maar goede ervaringen mee. Voorbeeld: het Interdisciplinair Demografisch Instituut heeft een tijdschrift getiteld Demos. De jaargangen van 2009 tot nu staan online. Maar dit tijdschrift bestaat al sinds 1985. Eén mailtje naar de instelling was genoeg om ook alle oude jaargangen te ontvangen. Zo krijg ik ook vaak pdf's van tijdschriften via uitgevers, ook van commerciële tijdschriften die in de winkel te koop zijn. Als je aangeeft dat je ze niet op internet gaat zetten en ze voor onderzoek gebruikt, dan zijn veel uitgevers en instellingen zeer bereidwillig, zo is mijn ervaring.

Overigens is het nuttig om, bij het digitaal verzamelen van tijdschriften, een onderscheid te maken tussen tijdschriften die digitaal zijn geboren (born digital) en die zijn omgezet van papier naar een digitaal formaat, door ze te scannen en te lezen met ocr-software. Ik maak dat onderscheid in mijn persoonlijke archief door aan de naam van documenten die digitaal geboren zijn, de afkorting (bd, ‘born digital’) toe te voegen. Bijvoorbeeld: 2012_Ts De Gids (bd). Waarom? Omdat documenten die digitaal geboren zijn geen ocr-fouten kunnen bevatten. Als je weet dat een document wél ocr-fouten kan bevatten, kun je daar bij het zoeken rekening mee houden. Bovendien zijn oudere documenten die digitaal geboren zijn, kwetsbaar. Het is maar de vraag of ze zijn opgeslagen in een formaat dat digitaal duurzaam is (pdf/a bijvoorbeeld). Door de code (bd) aan hun naam toe te voegen, pluk je ze zo uit je persoonlijke collectie en kun je ze te zijner tijd zo nodig omzetten in een duurzaam digitaal formaat.

Tijdschriften zelf digitaliseren

Het zou mooi zijn als alle oude tijdschriften al zouden zijn gedigitaliseerd, maar zover is het helaas nog niet. Bovendien zijn lang niet alle tijdschriften die door de DBNL zijn gedigitaliseerd ook te downloaden. Geregeld, krijg je, in verband met auteursrechtelijke problemen, deze pagina te zien:

Dat is momenteel het geval bij vele tientallen tijdschriften. Bovendien krijg je bij titels uit de afgelopen decennia honderden keren deze tekst te zien: ‘De DBNL is er tot nu toe niet in geslaagd de rechthebbende(n) op deze tekst te achterhalen.’ En omdat er geen rechthebbende is gevonden, staat de tekst van het artikel niet op de website.

Als het om recente tijdschriften gaat, zou je dus kunnen overwegen om ze zelf te digitaliseren, want dan heb je de inhoud wel compleet. De goedkoopste manier is om een set aan te schaffen (bijvoorbeeld via www.boekwinkeltjes.nl) die je kunt versnijden. Dat kun je met de hand doen, met een stanleymes, of met een zogenoemde stapelsnijder (een papierguillotine). Losse stapels papier scannen gaat het snelst en levert de beste scans op. Met een goede scanner digitaliseer je zo'n 200 bladzijden per minuut. Met ABBYY Finereader maak je de pagina's snel op woordniveau doorzoekbaar.

Tijdschriften doorzoeken

Hoewel het een feest kan zijn om tijdschriften door te bladeren, is het vaak een stuk efficiënter om ze digitaal te doorzoeken. Dat kan zowel op internet als op de eigen pc of laptop. Op internet blader ik zelf vrijwel nooit tijdschriften door. Meestal weet ik vrij goed waar ik naar op zoek ben. Als je tijdschriften op internet doorzoekt, heb je andermaal de keuze of je daarbij gebruikmaakt van de zoekmogelijkheden op de site die ze aanbiedt (rechtstreeks bij de DBNL bijvoorbeeld), of via Google. Ik kies vrijwel altijd voor Google. Stel dat je wilt onderzoeken hoe vrouwen ten tonele werden gevoerd aan het begin van de negentiende eeuw in het tijdschrift Vaderlandsche Letteroefeningen. Ik heb

geen idee hoe je dit bij de DBNL zelf doet. Bij mij weten kan dit niet. Via Google doe je dat met deze zoekopdracht:

site:dbnl.org ‘vaderlandsche letteroefeningen’ ‘jaargang 1800’ vrouw OR vrouwen

In plaats van vrouw kun je natuurlijk nog naar allerlei aanpalende woorden zoeken: dame, meisje, mevrouw, madam, juffer, joffer, zij, haar, enzovoorts.

Andere manier om een website te doorzoeken is om die eerst te laten indexeren door een zogenoemde webcrawler (ook wel webspider genoemd). Dat is een tool die alle woorden op zo'n site in een index zet, met hun frequentie erbij. Vervolgens zoek je in die lijst, niet op de site. De zoekmogelijkheden van een crawler zijn vrijwel altijd veel geavanceerder dan die van een website.

Zo kun je woorden trunceren door er een? of een * in te plaatsen. Met een? vervang je meestal één teken, met een * een willekeurig aantal tekens. Dit kan soms ook in databases op internet, bijvoorbeeld bij Early Dutch Books Online of bij Historische Kranten van de KB. Daar kan dit echter niet vanaf de eerste letter. Ben je in oude teksten, waarin de s sterk leek op de f, op zoek naar schilders, dan zul je dus ook moeten zoeken op fchilder. Als je een webcrawler gebruikt hoeft dat niet. Dan kun je volstaan met de zoekopdracht ?childer.

Om tijdschriften op de eigen laptop of pc te doorzoeken, kan men een losse webcrawler kopen, maar nog handiger vind ik het om documenten op je eigen pc te indexeren met speciale indexeringssoftware - software die alle documenten op je pc of laptop indexeert. Bij de betere indexeringssoftware zit overigens meestal ook een crawler. Goede en betaalbare indexeringstools - met gratis testversies - zijn onder andere: dt-Search, Copernic search, X1 en (voor Apple-gebruikers) Foxtrot en Devonthink.

Hoe ga je vervolgens te werk? Allereerst zet je het tijdschrift dat je wilt bestuderen op je eigen pc of laptop. Het is handig om je documenten heldere namen te geven. Bijvoorbeeld:

1983_Ts Forum der Letteren jrg 24 nr

1983_Ts Forum der Letteren jrg 24 nr 2

1983_Ts Forum der Letteren jrg 24 nr 3

1983_Ts Forum der Letteren jrg 24 nr 4

1984_Ts Forum der Letteren jrg 25 nr 1

1984_Ts Forum der Letteren jrg 25 nr 2

Enzovoorts.

Daarna indexeer je deze collectie. Voor alle indexeringssoftware geldt dat je er geavanceerder mee kunt zoeken dan nu op internet mogelijk is: met jokertekens bijvoorbeeld. Als je de naam van de doorzochte documenten begint met een jaartal, kun je de resultaten bovendien heel makkelijk chronologisch en omgekeerd chronologisch sorteren.

Stel, je wilt weten welke varianten er bestaan van de uitdrukking met een aan zekerheid grenzende waarschijnlijkheid. In de Historische Kranten van de KB vind je dat deze uitdrukking ontstond aan het begin van de negentiende eeuw. Stond deze uitdrukking op zich of waren er indertijd vergelijkbare formuleringen in omloop? Op internet zijn er momenteel geen zoekmachines waarmee je woorden aan de voorzijde kunt trunceren. Maar als je zelf een website hebt geïndexeerd, dan vind je het antwoord op deze vraag heel snel met bijvoorbeeld deze zoekopdracht:

‘*heid grenzende *heid’

Resultaten:

-	aan preutschheid grenzende fierheid (vroegste vindplaats 1816);
-	aan onverschilligheid grenzende bedaardheid (1857);
-	aan vermetelheid grenzende stoutmoedigheid (1868).

Er zijn nog veel meer zoekmogelijkheden. Daarvoor verwijs ik graag naar mijn gidsje Eerste Hulp Bij e-Onderzoek, dat gratis te downloaden is op internet. De ingrijpend herziene versie is te koop via www.ewoudsanders.nl. Voor wie wil experimenteren met het indexeren van bronnencollecties heeft de DBNL een webpagina ter beschikking gesteld waar diverse datasets kunnen worden gedownload om mee aan de slag te gaan. Er staat ook bij hoe een index kan worden gebouwd (zie www.dbnl.org/thema/zoek_ehbo.php).

Tijdschriften digitaal annoteren

Veel mensen gaan als volgt te werk bij digitaal onderzoek. Van internet plukken ze allerlei bronnen. Die zetten ze op hun pc of laptop. Ze lezen de bronnen, al dan niet na ze geprint te hebben, of ze zoeken erdoorheen met ctrl + f of cmd + f (een toetscombinatie bij respectievelijk Windows en Apple). Al lezend maken ze aantekeningen. Als ze gaan schrijven, ordenen ze hun aantekeningen, gaan terug naar de bron, zoeken de betreffende passage, kijken of ze die nog steeds van belang vinden, enzovoorts.

Dit kan praktischer. Je vindt in een pdf iets waarvan je denkt dat het je later van pas kan komen. Je maakt je aantekening niet in een blocnote, Wordbestand of database, maar gewoon rechtstreeks op de pdf. Bijvoorbeeld zo:

Aan deze pdf is een notitie toegevoegd met Adobe Reader X, een gratis pdf-reader. Je vindt die notes rechtsboven onder de knop ‘opmerking’ (‘comment’ in de Engelse versie). Je kunt woorden in een pdf ook markeren.

Het is handig om je aantekeningen een redelijk vaste vorm te geven. Dat is zeker het geval als je die met meerdere mensen maakt, bijvoorbeeld met een werkgroep.

Aan het eind van de rit is het niet nodig om pdf voor pdf te openen om je notities terug te lezen. In plaats daarvan zet je alle documenten bij elkaar in een map, die je vervolgens indexeert met je indexeringstool. Daarna kun je alle notities tegelijk doorzoeken. Als je bij twintig alinea's in tien tijdschriften of artikelen hebt toegevoegd ‘bruikbaar bij hoofdstuk 7’, krijg je al die plaatsen in één keer te zien, netjes onder elkaar. In feite heb je, zoals dat in het jargon heet, metadata aan een bron toegevoegd.

Kortom: slim zoeken door bronnen creert nieuwe onderzoeksmogelijkheden. Wellicht klinkt veel van bovenstaande ingewikkeld, in feite is het zo te doen. Binnen een uurtje kun je honderden gedigitaliseerde tijdschriften op je eigen pc op laptop zetten. Indexeren is ook een fluitje van een cent: een index van miljoenen woorden is binnen een paar minuten klaar.

Tot slot een eenmalige aanbieding voor lezers van dit tijdschrift: ik ben al in het bezit van zo'n 150 oude tijdschriften in digitale vorm (compleet, maar vaak ook incompleet). Als u een Nederlandstalige set heeft die me interesseert, dan wil ik deze misschien kostenloos digitaliseren, op voorwaarde dat het origineel ontrugd mag worden. Neem daarover contact op met post@ewoudsanders.nl.

Vorige Volgende