Yorùbá in Unicode: An Overview of a Problem

Taal is meer dan alleen een verzameling klanken; voor miljoenen mensen is het een systeem waarbij de toonhoogte van een stem de betekenis van een woord volledig verandert. In de Yorùbá-taal, die door meer dan 40 miljoen mensen in West-Afrika en de diaspora wordt gesproken, kan het verschil tussen een hoge noot en een lage noot een woord voor "hand" veranderen in een woord voor "bezem" of "respect". Dit vertrouwen op toonhoogte, bekend als toon, is geen poëtische versiering maar een grammaticale noodzaak. Zonder de juiste toontekens kan een eenvoudige zin een verwarrende puzzel worden met tientallen mogelijke betekenissen, waardoor lezers moeten raden of een vader naar binnen is verhuisd in een grote boerderij of in een grote auto. Om dit op te lossen, gebruiken schrijvers een systeem van diakritische tekens—kleine tekens geplaatst boven of onder letters—om deze toonhoogteveranderingen aan te geven.

De digitale wereld was echter niet gebouwd met deze complexe markeringen in gedachten. Toen computers voor het eerst arriveerden, waren ze ontworpen om standaardletters uit het Engelse alfabet te verwerken, niet de gelaagde symbolen die nodig zijn voor tonale talen. Dit creëerde een hardnekkig probleem: hoewel de technologie de tekens technisch gezien kon weergeven, kon ze ze niet altijd op de juiste plek houden of ze niet correct tellen. Een letter met een toonteken zag er misschien goed uit op het ene scherm, maar veranderde in een leeg vakje of een verkeerd geplaatst symbool op een ander. Dit artikel van Kọ́lá Túbọ̀sún onderzoekt waarom dit gebeurt, door de kwestie te herleiden van de geschiedenis van het schrijven in het Yorùbá tot de rigide regels die vandaag de dag bepalen hoe computers tekst opslaan. De auteur stelt dat het huidige systeem fundamenteel kapot is voor tonale talen en stelt een specifieke, structurele verandering voor om het te repareren.

Het verhaal van het schrijven van het Yorùbá begon lang voor het computertijdperk. Oorspronkelijk een orale taal, werd het in de 19e eeuw voor het eerst opgeschreven door missionarissen en handelaren met behulp van het Romeinse alfabet. Vroege schrijvers worstelden met het aanpassen van Engelse letters aan een taal waar toonhoogte ertoe doet. Sommigen probeerden extra letters te gebruiken, zoals het toevoegen van een "h" of een "r" om een toon aan te geven, terwijl anderen punten of lijnen boven klinkers gebruikten. Na verloop van tijd ontstond er een standaard systeem dat punten onder bepaalde klinkers gebruikte en tekens erboven om de toon aan te geven. Tegen het midden van de 20e eeuw was dit systeem goed gevestigd, waardoor schrijvers woorden konden onderscheiden die er identiek uitzagen maar anders klonken. Maar toen het digitale tijdperk arriveerde, liep dit zorgvuldig gecreëerde systeem tegen een muur aan.

De kern van het probleem ligt in de manier waarop computers tekst opslaan. Om tekst gemakkelijk tussen verschillende apparaten en programma's te laten reizen, heeft een wereldwijde organisatie genaamd de Unicode Consortium een standaard lijst van tekens gemaakt. In dit systeem wordt een letter met een enkel teken, zoals een "o" met een accent, vaak opgeslagen als een enkele, vooraf gemaakte eenheid. Dit werkt goed voor veel talen. Voor het Yorùbá vereist het systeem echter het stapelen van twee verschillende tekens op een enkele letter: een punt onderaan om het type klinker aan te geven, en een teken bovenaan om de toon aan te geven. De huidige digitale standaard heeft niet één enkele, vooraf gemaakte code voor deze gestapelde combinaties. In plaats daarvan dwingt het de computer om ze op te bouwen door twee afzonderlijke stukjes aan elkaar te plakken: de basisletter met de punt, en dan het toonteken erboven.

Deze methode om tekens stukje voor stukje op te bouwen, is waar de problemen beginnen. Hoewel het op de ene computer wel zou kunnen werken, kunnen de stukjes scheiden of verschuiven wanneer de tekst naar een ander platform, een ander lettertype of een ander land wordt verplaatst. Een schrijver kan een naam perfect typen, om vervolgens te zien dat het toonteken naar de verkeerde letter springt of volledig verdwijnt wanneer het document wordt opgeslagen of geprint. De auteur documenteert dit falen over decennia van publiceren, waarbij boekomslagen worden getoond waar de toontekens met de hand zijn getekend nadat de tekst was gedrukt, omdat de zetmachines ze niet aankonden. In digitale bibliotheken vervangen catalogiseerders soms de juiste symbolen door de verkeerde, omdat de correcte tekens ontbreken, waardoor het voor onderzoekers onmogelijk is om boeken op hun ware titels te vinden. Zelfs sociale mediaplatforms, die elke letter tellen, behandelen deze gestapelde tekens als meerdere afzonderlijke tekens, wat de hoeveelheid Yorùbá-tekst die iemand in een enkele post kan schrijven, onredelijk beperkt.

Het artikel daagt de officiële verklaring uit voor waarom deze tekens niet kunnen worden opgelost. De Unicode Consortium stelt dat hun systeem stabiel is en dat het toevoegen van nieuwe vooraf gemaakte combinaties de consistentie van tekst in oudere systemen zou breken. Ze beweren dat de huidige methode van het combineren van stukjes voldoende is en dat de problemen voortkomen uit slechte lettertypen of oude software. De auteur betwist dit en wijst erop dat de fouten optreden zelfs wanneer de tekst correct is gecodeerd en tussen moderne, hoogwaardige systemen wordt verplaatst. Het probleem gaat niet alleen over hoe de tekst eruitziet, maar over hoe de tekst zich gedraagt: het faalt bij het correct zoeken, het wordt verkeerd geteld en het raakt corrupt bij overdracht. De auteur merkt op dat terwijl het systeem de afgelopen jaren ruimte heeft gemaakt voor duizenden nieuwe emoji's, het weigerde zijn regels bij te werken voor de essentiële behoeften van tonale Afrikaanse talen.

Om dit op te lossen, stelt het artikel een directe en specifieke interventie voor: de creatie van vier nieuwe, vooraf gemaakte tekens in de digitale standaard. Dit zouden enkele eenheden zijn voor de open "o" en "e" klinkers met zowel een punt onderaan als een toonteken bovenaan. Dit zou ervoor zorgen dat de tekst reist als een enkele, onbreekbare eenheid, zodat een woord voor "hand" een woord voor "hand" blijft, ongeacht waar het gelezen wordt. De auteur erkent dat huidige hulpmiddelen, zoals gespecialiseerde toetsenborden en software die automatisch toontekens toevoegt, het schrijven makkelijker hebben gemaakt, maar dat dit tijdelijke pleisters zijn. Ze lossen de onderliggende structurele fout niet op die ervoor zorgt dat de tekst breekt wanneer deze wordt verplaatst.

De conclusie is dat het probleem niet een gebrek aan inspanning van schrijvers is, noch een falen van individuele software, maar een gat in de wereldwijde regels die digitale communicatie beheersen. De auteur stelt dat de Unicode Consortium de technische capaciteit heeft om dit te repareren en dat het doen hiervan noodzakelijk is voor het overleven en het juiste gebruik van de taal in de moderne wereld. Door deze vier specifieke tekens te creëren, zou de digitale wereld het Yorùbá eindelijk kunnen ondersteunen op dezelfde manier als talen die geen gestapelde tekens vereisen. Dit zou niet alleen de miljoenen sprekers van het Yorùbá helpen, maar zou ook een precedent scheppen voor andere tonale talen die voor dezelfde digitale barrières staan. Het artikel dient zowel als een verslag van de strijd als een duidelijke routekaart voor een oplossing die al decennia wacht.