Mensen houden van robots, letterlijk. Robots zijn dode stof, en toch is er de sensatie van een ontmoeting met leven. Twee Hampshire-hotels hebben sinds kort Hugo 'in dienst', de 'charmante en sympathieke humanoïde' (persberichtwoorden) die negentien talen spreekt, gezichten zes maanden onthoudt en weet welke tram naar het museum gaat.

NOTaS-deelnemers aan tafel bij de directeur van DANS Peter Doorn (rechts).

Op 15 december 2017 was NOTaS op bezoek bij DANS. Heel NOTaS? Nee, een kleine delegatie van drie personen hield moedig stand tegen andere verleidingen en meldde zich om 10 uur op de Anna van Saksenlaan. De ontvangst was allerhartelijkst en ons klein getal stond een plezierige en inhoudelijk boeiende bijeenkomst bepaald niet in de weg.

Welkom

Directeur Peter Doorn van DANS beet het spits af met een inleiding over wat DANS doet en dat is bepaald indrukwekkend. De kern wordt gevormd door:

1. het EASY-systeem (een self-deposit-systeem met Dublin Core metadata),
2. DATAVerse (voor gevanceerde opslag en toegankelijkheid van data),
3. NARCIS (met inmiddels 1,5 M publicatiegegevens en metadata van 165 K datasets).

Nieuwe samenwerking speelt zich af met Elsevier dat zijn data in Mendelay beschikbaar stelt. Daarnaast wordt ook software opgeslagen in een samenwerkingsverband met Inria, en wordt er met de Brill het Research Data Journal  for the Humanities and Social Sciences uitgegeven. Ook wordt er nu ingezet op de European Open Science Cloud (EOSC) waar publicaties, data, software, onderzoek en innovatie samenkomen.
Peter sloot zijn presentatie af met een kort exposé over de gevolgen van de nieuwe Europese wetgeving op het gebied van bescherming van persoonsgegevens (AVG ofwel GDPR). DANS is bezig met een beslisboom en bijbehorende vragenlijst waarmee een onderzoeker de juiste data-tag aan zijn/haar data kan hangen.

Vyacheslav Tykhonov legt uit hoe Linked Open Data bij DANS gebruikt wordt.

LOD

Hierna volgde een presentatie van Reinier van de Valk en Vyacheslav Tykhonov over Linked Open Data. Reinier vertelde ons over de principes erachter waarbij termen als URI’s, RDF, triplestores, GraphQLen SPARQL ons om de oren vlogen. Na deze mooie inleiding liet Vyacheslav ons zien hoe DANS met Linked Open Data experimenteert op het gebied van metadata-verrijking.
De metadata van EASY en NARCIS worden naar RDF triples geconverteerd waarbij Timbuctoo (ontwikkeld binnen CLARIAH) een centrale rol speelt.
De gemaakte triples moeten echter voor een deel nog wel door de betrokken onderzoeker gecheckt en gecorrigeerd worden en dat is nog best een klus. Prachtige visualisaties van het huidige LOD netwerk zijn overigens te zien op http://lod-cloud.net.
Hoover maar eens over de knopenwolk, zoom in en verbaas je.

Oral History

Als laatste nam Ilona von Stein ons mee naar de AV-collecties voor Oral History. Bij DANS staan er 2734 datasets in 68 collecties, samen 5% van alle datasets bij DANS. Deze collecties zijn ook interessant voor gebruikers buiten de wetenschap, zoals archieven (m.b.v. het OAI-PMH-protocol) en Veteranen-organisaties. Ilona liet ons zien hoe zorgvuldig deze data aan het DANS-repertoire worden toegevoegd omdat het om persoonsgevoelig materiaal gaat. Toegang tot de data geschiedt door verspreiding van de metadata aan 17 grote repositories en de toegang tot de onderliggende AV-data (voor zover toegestaan) via streaming met Springfield WebTV. Om de toegankelijkheid te vergroten heeft DANS met externe partners een systeem opgezet om de beschikbare video-opnames via automatische oplijning en transcriptie te ondertitelen. DANS is met de partners van http://oralhistory.eu op zoek naar subsidiëring van verdere projecten.

DANS en CLARIN

Na en deels ook tijdens deze presentaties vonden geanimeerde discussies plaats over de relatie tussen DANS en CLARIN datacenters, de toename van datasets bij DANS en het aantal open access datasets, hoe er in verschillende disciplines tegen open access wordt aangekeken, hoe bedrijven gebruik kunnen maken van deze dataverzamelingen, wat er nodig is om de data geschikt te maken voor taal- en spraak­technologische toepassingen, enzovoorts.

Daarna was er een voortreffelijke lunch waarbij de discussies in klein comité gewoon doorgingen tot we om een uur of een echt moesten stoppen.

Het was een mooie ochtend. J.W. Goethe heeft eens gezegd:
“Wie fruchtbar ist der kleinste Kreis, wenn man ihn wohl zu pflegen weiβ”. Welnu, bij DANS weten ze hoe dat moet.

Henk van den Heuvel & Oele Koornwinder

Vrijdag de 13^de: je zou denken dat er wellicht een andere datum gekozen had kunnen worden voor de deelnemersbijeenkomst in Leiden bij het Instituut voor de Nederlandse Taal (INT). Maar…..het bleek allemaal mee te vallen. Enige “ongeluk” bleek de afwezigheid door ziekte van een van de beoogde sprekers: Dirk De Hertog van KU Leuven, Edulab.

Ondanks het labyrintische gebouw bleek iedereen toch de juiste zaal te kunnen vinden alwaar NOTaS-voorzitter Staffan om 10:15 de bijeenkomst opende.

INT

Daarna hield de directeur van het INT Frieda Steurs een indrukwekkend verhaal over alle data die het INT heeft en beschikbaar stelt. Dat het INT veel heeft was wel bekend maar toch werd ik aangenaam verrast. Niet alleen bleek dat heel veel gewoon online beschikbaar is, maar ook dat het INT ernaar streeft om zoveel mogelijk ook via API’s toegankelijk te maken. Het INT is tegenwoordig ook een CLARIN-B-center hetgeen inhoudt dat veel materiaal op een min-of-meer gestandaardiseerde wijze beschikbaar is voor onderzoekers en andere geïnteresseerden.

Dat houdt in dat binnen afzienbare tijd we bv. woordenlijsten, werkwoordsvormen en andere zaken gewoon via onze eigen software kunnen benaderen.

Een mooi voorbeeld is het ANW: het grootste woordenboek ter wereld. Nu kun je daar een woord per keer opzoeken, maar straks kun je vanuit je eigen software ieder woord direct opzoeken. Ook woordenlijst.org mag genoemd worden als de plaats waar de correcte spelling van het Nederlands wordt aangeboden en waarvan het Groene Boekje een uittreksel bevat. En er was nog veel meer. De PowerPoint van Frieda’s verhaal kan hier bekeken worden.

CLARIN/CLARIAH

Daarna was Jan Odijk, directeur CLARIAH-NL, aan de beurt om een overzicht te geven van al het materiaal dat via de verschillende CLARIN-centers in binnen en buitenland beschikbaar is. Ook hier weer een enorme hoeveelheid data en tools die niet alleen voor onderzoekers, maar ook voor TST-bedrijven beschikbaar zijn. Met name de NER-tool die Jan liet zien, maakte mij nieuwsgierig: zou het lukken om die vanuit onze (Telecats) software rechtstreeks aan te spreken?
De presentatie van Jan Odijk, inclusief allerlei links, staat hier.

Koffie

Na de koffie was eigenlijk de beurt aan Dirk De Hertog, maar die was er dus niet. Frieda nam het op zich om zijn verhaal te vertellen: powerpoint-karaoke :-). Een mooi overzicht van de mogelijkheden in Vlaanderen (en vooral in en rondom Kortrijk en Leuven) voor startups om iets te doen met Taal- en Spraaktechnologie. Veel van de aanwezigen waren hier zo enthousiast over dat besloten werd te onderzoeken of we een volgende bijeenkomst misschien daar in Leuven zouden kunnen houden. De door Frieda gegeven presentatie van Dirk staat hier.
Wordt vervolgd.

Discussie

Het laatste deel van de bijeenkomst was bedoeld voor discussie over het aanbod van data en tools. De openingszet kwam van Inge de Mönnink van Dedicon. Zij merkte het volgende op:

Veel van de aanwezigen hadden een gelijksoortige ervaring (o.a. Telecats met SPRAAK, de KU Leuven spraakherkenner). Anderen betoogden dat het ook niet de taak van het INT/CLARIAH is om “kant-en-klare” software aan te bieden. Het zijn tenslotte geen softwareontwikkelaars!

Maar….. er was toch wel de wens van veel aanwezigen dat de software en data die beschikbaar zijn, door anderen gebruikt kunnen/gaan worden. Voor de bedrijven is het gaaf om de geavanceerde spullen te gebruiken, en voor de “leveranciers” is het goed als zij hun financiers kunnen laten zien dat het gebruikt wordt. Om een en ander te stimuleren zal er onder leiding van Catia Cucchiarini met een ter plekke geformeerde werkgroep een vervolgbijeenkomst georganiseerd worden waarin experts informatie geven over het gebruik van de verschillende data en tools en waarbij de aanwezigen concreet aan de slag gaan met beschikbare resources: een hands-on workshop!
Zo kan men ervaring opdoen met de mogelijkheden en onmogelijkheden. Ter voorbereiding zal aan bedrijven en kennisinstellingen gevraagd worden welke waar zij precies behoefte aan hebben.

Conclusie

Het onderwerp van de NOTaS bijeenkomst “Data en Tools bij het INT en CLARIAH” was wellicht niet de meest aansprekende, maar het was wel een zeer interessante bijeenkomst. Er werd veel nieuws gebracht en het onderwerp leefde bij veel van de aanwezigen zoals de verhitte discussie duidelijk maakte. Als instellingen als het INT en programma’s als CLARIAH er in zouden slagen de documentatie van hun resources/tools sterk te verbeteren en aansprekende demonstraties zouden maken om te laten zien hoe men bv de software zou kunnen gebruiken, dan zou het gebruik ervan beslist gaan stijgen.

24-maart-2016 was het weer zover: een NOTaS-deelnemersbijeenkomst, en bovendien een zeer drukke, goedbezochte sessie met een levendig mee-discussiërend publiek.

In eerste instantie zou je denken dat een uitgever juist ver van TST (Taal- en Spraak Technologie) wil blijven: immers een uitgever maakt een papieren boek dat op traditionele wijze verkocht wordt. TST richt zich juist op "talige" toepassingen van beschikbare (open en gesloten) digitale informatie: niet iets dat je direct assioceert met een uitgever die al sinds 1846 bestaat.

Toch ligt dat anders. Sinds de oprichting focust Zwijsen zich duidelijk op het ontwikkelen van lesmethoden voor het (lager) onderwijs en ze zien in de zich sterk ontwikkelende TST een duidelijk hulpmiddel om nog betere methodes te ontwikkelen. TST wordt door Zwijsen gezien als een “assistance technology” waarmee de leraar niet vervangen maar juist ondersteund wordt in het lesgeven. Het was daarom dat ze uitkeken naar hetgeen wij, de TST-gemeenschap, allemaal te bieden hadden.

Maar voordat er dieper werd ingegaan op de "zegeningen" van TST, werd NAO, de robot die de komende maanden bij verschillende NOTaS-deelnemers een logeeradres heeft, officieel overgedragen. Na 6 weken bij het CLST van de Radboud Universiteit is het nu tijd om in Enschede een ware "wijze uit het Oosten" te worden. Henk van den Heuvel liet in een korte presentatie zien wat NAO allemaal beleefd heeft. Kijk voor het uitgebreide verslag (incl filmpje), op onze robot-blog.

{sliders   Programma & Presentaties TST en Zwijsen|closed|red}

{sliders   Verslag TST en Zwijsen|closed|blue}

Verslag

Deel I

Na de gebruikelijke koffie begon de bijeenkomst onder leiding van Henk van den Heuvel (voorzitter Staffan was helaas verhinderd). De aftrap werd gegeven door Sjors Heezemans van Zwijsen die liet zien dat ze wel degelijk nu al gebruik maken van TST. In een goed en duidelijk verhaal werd getoond hoe bv. kinderen m.b.v. spraakherkenning en TTS zelfstandig kunnen leren lezen. In een leuk filmpje zag je kinderen met een headset op die “moeilijke woorden” vanaf het scherm van een PC voorlazen en door de computer beloond en gecorrigeerd werden. Inspirerend!
Daarna was het woord aan NOTaS. Dennis de Vries van GridLine toonde hun nieuwste initiatief: "Klinkende Taal Educatief". Dit is een op het onderwijs gerichte versie van Klinkende Taal die kinderen helpt hun opstellen te verbeteren door automatisch schrijffouten aan te wijzen. Daarna liet Arjan van Hessen van Telecats zien wat ze met spraaktechnologie zouden kunnen doen voor het onderwijs: het doorzoekbaar maken van opgenomen lessen (weblectures) en het aanbieden van automatisch ondertitelde audio zodat kinderen gelijktijdig èn spraak èn tekst krijgen aangeboden. De laatste presentatie voor de koffie kwam van ReadSpeaker. Maarten vd Koevering liet zien hoe hun voorleesknop kan bijdragen aan een betere toegankelijkheid van websites en digitale publicaties, welke talen hiermee ondersteund worden en hoe ze hun TTS-oplossing inzetten voor het bijzondere onderwijs

Koffie

Door de grote opkomst was het zaaltje bomvol en eigenlijk iets te warm en de koffie kwam dan ook precies op tijd: vocht en frisse lucht.

Deel II

Na de koffie liet de Radboud Universiteit zien wat het BasiLex en BasiScript eigenlijk was en wat je er allemaal mee zou kunnen doen. Voor dataonderzoekers een handen-jeukend iets: veel en goed gemetadateerde informatie waar van alles uit te halen is. De door Nelleke Oostdijk kort voor de presentatie geuite zorg (ik heb een hele saaie presentatie met alleen maar letters en geen een plaatje) bleek dan ook geheel onterecht. Daarna door Helmer Strik (ook van de Radboud, maar ook van de startup NovoLanguage) weer spraaktoepassingen: DigLin en DISCO. Dit zijn twee applicaties die bedoeld zijn om leerlingen te helpen bij spreekvaardigheid (uitspraak en grammatica) in een tweede taal. Zowel taalstudenten als professionele vertalers kunnen baat hebben bij geavanceerde vertaalsoftware zoals EuroGlot van Linguistic Systems. Ontwikkelaar Leo Konst demonstreerde enthousiast de oplijn- en filtermogelijkheden van dit zestalige vertaalsysteem. Altijd goed om dit soort vurige pleidooien te horen: mensen met het TST-hart op de goede plek.

Als laatste kwam Arthur Dirksen van Fluency aan het woord: ook TTS, maar dan meer gefocust op individuen. Een mooi pleidooi om de keuze tussen verschillende voorleesstemmen aan de leerling te laten omdat dit de motivatie aanzienlijk kan verhogen. Helaas konden we ter plaatse niet horen hoe Fluency nu klonk (maar gelukkig kan het wel via de website).

Discussie

Gebrek aan zuurstof en de hitte in het zaaltje begonnen nu hun tol te eisen, maar er moest nog afgesloten worden. De vraag aan Zwijsen was: gehoord hebben wat er allemaal kan en niet beperkt door “het kan nog niet” of “het is te duur”: wat zouden jullie graag willen, wat zijn jullie TST-dromen?

Het antwoord was duidelijk: TST-toepassingen die de docenten in de klas de gelegenheid bieden om leerlingen zelfstandig te laten oefenen. Dus niet de leraar eruit en de computer erin, maar juist een symbiotische relatie. De leraar legt uit en leerlingen kunnen mbv de computer en software zelfstandig oefenen. Een inspirerend antwoord dat duidelijk maakt dat er gezamenlijk veel te winnen valt.

{/sliders}

Netwerk-Lunch

Bij de lunch na afloop bleef het druk en werd er veel gediscussieerd over mogelijke vervolgstappen. Het ligt voor de hand dat we gezamenlijk gaan kijken hoe we een aantal pilots kunnen opzetten waarin we zo’n combi (leraar EN TST-software) gaan uitproberen om te zien of en in welke mate leerlingen baat hebben bij gebruik van taal- en spraaktechnologie.

Om 14:00 kwamen de schoonmakers binnen en werden we er echt uitgegooid: een teken dat de bijeenkomst als geslaagd kon worden beschouwd zoals ook de mail na afloop laat zien.

Beste Henk, Ik dank jou ook namens Zwijsen voor jouw dagvoorzitterschap. We hebben het als een boeiende en zinvolle bijeenkomst ervaren. Er zijn leuke contacten gelegd en we hopen dat dit zijn vruchten zal afwerpen. Met vriendelijke groet, Martin de Jong ICT concept developer Zwijsen