Design-Based Study of an Invisible Field Tool for Endangered Languages

In het uitgestrekte landschap van de menselijke communicatie worden sommige talen door miljoenen mensen gesproken, terwijl andere aan een zijden draadje hangen, gesproken door slechts enkele duizenden mensen verspreid over de hele wereld. Wanneer een taal voor dit soort gevaar staat, verplaatst de strijd om haar te redden zich vaak naar de digitale wereld. Een van de krachtigste instrumenten voor dit doel is een grootschalig, wereldwijd project waarbij vrijwilligers zichzelf opnemen terwijl ze zinnen hardop voorlezen. Deze opnames worden gebruikt om computers te leren hoe ze de menselijke spraak kunnen begrijpen, een technologie die bekendstaat als spraakherkenning. Om in zo'ndan een dergelijk project te worden opgenomen, heeft een taal een enorme collectie van deze opnames nodig, maar het verzamelen ervan is moeilijk wanneer de sprekers weinig zijn, in veel verschillende landen wonen en wellicht niet comfortabel zijn met complexe computersoftware. De uitdaging is niet alleen het vinden van mensen om te spreken, maar ook het waarborgen dat de tekst die zij lezen correct is geschreven, een taak die ongelooflijk moeilijk wordt wanneer een taal een uniek alfabet gebruikt dat standaard computertoetsenborden niet gemakkelijk ondersteunen.

Dit is het verhaal van hoe een onderzoeker dit probleem aanpakte voor twee bedreigde talen, Adyge en Kabardisch, die worden gesproken door Circassische gemeenschappen in Rusland, Turkije en het Midden-Oosten. Deze talen delen een diepe geschiedenis, maar werden decennia geleden in twee afzonderlijke geschreven vormen gestandaardiseerd met behulp van het Cyrillische alfabet. Vandaag de dag zijn hun sprekers verspreid, en veel mensen worstelen met de specifieke tekens die nodig zijn om hen correct op een computer te schrijven. Een onderzoeker genaamd Mehmet Uğur Nemlioğlu zette zich het doel om een brug te slaan tussen het verlangen van de gemeenschap om hun taal te bewaren en de technische eisen van een wereldwijd digitaal platform. Hij bouwde geen nieuwe website of een complex kunstmatige intelligentiesysteem. In plaats daarvan creëerde hij een eenvoudig, onzichtbaar hulpmiddel dat leeft binnen een gangbaar spreadsheetprogramma, ontworpen om tekst op te schonen, fouten te herstellen en de gegevens te organiseren, zodat gewone vrijwilligers konden bijdragen zonder computerdeskundige te hoeven zijn.

De reis begon met een frustrerende realiteit. Voordat dit hulpmiddel bestond, was het proces van het voorbereiden van zinnen voor het opnameplatform traag en foutgevoelig. Vrijwilligers typten zinnen in gedeelde documenten, maar deze documenten bevatten vaak verborgen fouten. De meest voorkomende fout betrof een specifiek teken in het Cyrillische alfabet dat eruitziet als een verticale streep en wordt gebruikt om een scherpe stop in de keel aan te geven. Omdat standaardtoetsenborden deze toets niet hebben, typen mensen vaak per ongeluk een gewone Latijnse letter "I" of een cijfer "1". Deze kleine fouten maakten de zinnen onbruikbaar voor de computers die de taal probeerden te leren. Bovewerden de processen voor het controleren van deze fouten vereisten iemand met geavanceerde technische vaardigheden om complexe command-line programma's uit te voeren, een barrière die veel leden van de gemeenschap ervan weerhieldde om te helpen. De zinnen bleven dagen of weken in limbo liggen, wachtend op een specialist om ze te herstellen, wat er vaak toe leidde dat vrijwilligers hun interesse verloren en stopten met bijdragen.

Om dit op te lossen, ontwikkelde de onderzoeker een hulpmiddel dat werkt binnen een spreadsheet, een programma dat bijna iedereen al kent en kan gebruiken. Hij bouwde het stukje bij piece, testte het bij de gemeenschap en loste problemen op naarmate ze zich voordeden. Het hulpmiddel fungeert als een stille redacteur. Wanneer een vrijwilliger een lijst met zinnen in de spreadsheet plakt, scant het hulpmiddel onmiddellijk elke regel. Het vindt de verkeerde tekens en vervangt ze door de juiste. Het controleert of de interpunctie op de juiste plaats staat en of de zinnen niet te lang zijn. Het sorteert de zinnen ook in verschillende mappen op basis van welke versie van de taal ze behoren, zoals de versie die in Turkije wordt gesproken of de versie die in Rusland wordt gesproken. Dit sorteren is cruciaal omdat de twee talen verschillende dialecten hebben, en de opnames gescheiden moeten worden gehouden om nuttig te zijn. Zodra het hulpmiddel zijn werk heeft voltooid, produceert het schone bestanden die binnen enkele minuten klaar zijn om te worden geüpload naar het wereldwijde platform, een taak die voorheen dagen duurde.

De resultaten van deze aanpak waren onmiddellijk en aanzienlijk. De tijd die nodig was om een batch van duizend zinnen te verwerken, daalde van enkele dagen naar ongeveer twintig tot vijftig minuten. Deze snelheidswijziging deed meer dan alleen tijd besparen; het veranderde de stemming in de gemeenschap. Vrijwilligers konden zien hoe hun werk bijna onmiddellijk van voorbereiding naar de opnamevolgorde verschoof, wat hen gemotiveerd hield om door te gaan. De kwaliteit van de gegevens verbeterde ook drastisch. Het hulpmiddel ving duizenden fouten op die anders door de mazen van het net zouden zijn geglipt, waardoor werd gewaarborgd dat de opnames die naar de wereldwijde database werden geüpload, schoon en accuraat waren. De onderzoeker merkte op dat het hulpmiddel zo geïntegreerd raakte in de dagelijkse workflow dat het onzichtbaar leek voor de gebruikers, die simpelweg zagen dat hun zinnen werden gecorrigeerd en georganiseerd zonder ooit de code erachter te hoeven begrijpen.

Echter, de studie bracht ook een verrassend menselijk element aan het licht dat technologie alleen niet kon oplossen. De onderzoeker had een functie toegevoegd om de Cyrillische tekst automatisch te vertalen naar een Latijnse alfabetversie, in de hoop dit de sprekers die het traditionele schrift niet konden lezen, toegankelijker te maken. Hij verwachtte dat dit de project toegankelijker zou maken. In plaats daarvan bood de gemeenschap weerstand. Veel sprekers, zelfs degenen die worstelden met het Cyrillische schrift, voelden een sterke hechting aan hun traditionele schrijfsysteem. Ze gaven de voorkeur aan het lezen en opnemen in het originele schrift boven een getranslitereerde versie. Deze weerstand toonde aan dat in de inspanning om een taal te redden, de gevoelens van de gemeenschap over hun eigen identiteit en schrijftradities even belangrijk zijn als technische gemakken. De onderzoeker moest naar deze feedback luisteren en het project aanpassen, waarbij hij prioriteit gaf aan het traditionele schrift boven de meer "technisch flexibele" Latijnse optie.

Het succes van dit project biedt een nieuwe manier van denken over hoe technologie voor bedreigde talen te bouwen. Het suggereert dat de meest effectieve hulpmiddelen niet altijd de meest complexe zijn, maar juist die welke op de achtergrond verdwijnen, waardoor mensen zich kunnen concentreren op wat ze het beste kunnen doen: spreken en hun cultuur bewaren. De onderzoeker merkte dat door de technische barrières weg te nemen, hij een kleine groep vrijwilligers in staat kon stellen om het werk van een veel groter team te doen. Toch bracht deze aanpak ook een waarschuwing met zich mee. Omdat het hulpmiddel zo naadloos was, was het gemakkelijk om subtiele fouten binnen het hulpmiddel zelf te missen. Het was pas toen de onderzoeker stopte met het gebruik van het hulpmiddel en de code met een frisse blik bekijkte, ter voorbereiding op het delen ervan met de wereld, dat hij kleine fouten vond die jarenlang voor het oog verborgen waren gebleven. Dit leerde hem dat zelfs onzichtbare hulpmiddelen zichtbaar moeten zijn voor de gemeenschap, zodat ze gecontroleerd en vertrouwd kunnen worden.

Uiteindelijk laat deze studie zien dat het redden van een taal in het digitale tijdperk een partnerschap vereist tussen technologie en menselijk vertrouwen. Het hulpmiddel heeft niet alleen een proces versneld; het heeft de relatie tussen de vrijwilligers en de gegevens herbouwd. Door het werk toegankelijk te maken, hielp de onderzoeker een verspreide gemeenschap zich verbonden en bekwaam te voelen. De bevindingen bevestigen dat wanneer technologie wordt ontworpen met de specifieke behoeften en gevoelens van een gemeenschap in gedachten, het een krachtige kracht voor behoud kan worden. De weg vooruit houdt in dat deze lessen worden meegenomen en een webversie van het hulpmiddel wordt gebouwd die voor iedereen bruikbaar is, om ervoor te zorgen dat het werk om deze talen levend te houden voortduurt lang nadat het initiële project is afgerond. Het verhaal van Adyge en Kabardisch laat zien dat de toekomst van bedreigde talen niet alleen ligt in het opnemen van stemmen, maar in het creëren van de juiste ruimte zodat die stemmen gehoord kunnen worden.