'Met dit soort machines is the sky the limit'

Big Data is het helemaal tegenwoordig. Zelfs in wetenschapsgebieden die traditioneel weinig met data-analyse doen, zoals de geesteswetenschappen. Toch gaan historici, mediaonderzoekers en taalkundigen er binnenkort mee aan de slag dankzij het grote project Common Lab Research Infrastructure for the Arts and Humanities (CLARIAH). Het project sluit aan bij een ware ‘revolutie’ die de laatste jaren gaande is binnen de geesteswetenschappen.

Geesteswetenschappers werken met documenten uit archieven, maar ook tekst, beeld en geluid uit de media. Steeds meer van dit soort bronnen kunnen nu worden gedigitaliseerd. Het voordeel van gedigitaliseerde bronnen is dat je ze met speciale computerprogramma’s kan doorzoeken. Een computer kan digitale historische archiefstukken razendsnel scannen op bepaalde woorden, woordcombinaties of veranderingen in woorden. Door de inhoud van allerlei verschillende soorten digitale bronnen ook nog eens met elkaar te vergelijken en te combineren kan je conclusies trekken die ver buiten het bereik van de traditionele, eenzame archiefonderzoeker liggen.

Maar voordat dat allemaal zover is moet er het een en ander aan tools ontwikkeld worden en daarvoor is nu dus 12 miljoen euro beschikbaar gesteld. ‘Een digitale infrastructuur’, zoals directeur Henk Wals van het Internationaal Instituut voor Sociale Geschiedenis (IISG) in Amsterdam het noemt.

12 miljoen is een hoop geld. Waar is dat precies voor nodig?
“Er is op dit moment een revolutie gaande in de geesteswetenschappen. Een digitale revolutie, en dan vooral op het gebied van de beschikbare onderzoeksmethoden. Die revolutie is overigens op sommige gebieden al langer bezig. Maar je ziet de laatste jaren, doordat er steeds meer materiaal gedigitaliseerd wordt en ook doordat de informatica steeds meer interessante dingen kan doen voor geesteswetenschappers, dat die revolutie ook echt zijn beslag gaat krijgen. Maar al die data en de tools die nodig zijn om ze te analyseren staan op allerlei verschillende plekken. Daarom is een soort ‘digitale infrastructuur’ nodig om al die tools en data bij elkaar te brengen.”

Die infrastructuur bestaat dus vooral uit computerprogramma’s om data te analyseren?
“Onder andere. Wat we in wezen doen is de data en de analyse-tools bij elkaar brengen. De tools moeten zo in elkaar zitten dat ze zoveel mogelijk soorten data aankunnen. En de data op zijn beurt moet zo gestandaardiseerd zijn dat zoveel mogelijk tools ermee kunnen werken. Het gaat dus om data en analyse-tools die op een digitale manier met elkaar kunnen praten.”

“Als je het over data hebt dan gaat het om drie soorten data: ten eerste de gestructureerde data die opgeslagen ligt in verschillende databases. Daarbij komt de laatste tijd steeds meer ongestructureerde data. Dan gaat het om grote hoeveelheden gedigitaliseerde, maar ongestructureerde teksten uit archieven. Daarmee ga je anders om dan met de gestructureerde data. Tenslotte heb je zaken als films, plaatjes en audio. Daarmee ga je weer anders om.”

Echt big data dus. Dat gaat het ouderwetse handwerk te boven?
“Om een voorbeeld te geven. Op het IISG hebben wij het archief van de vakbond FNV. Dat zijn kilometers aan papier. Dat wordt nu stukje bij beetje gedigitaliseerd. Als ik bijvoorbeeld wil weten hoe die vakbond de afgelopen decennia heeft gereageerd op globalisering zou ik al die documenten, brochures en notulen moeten doorspitten. We zijn nu zover dat we een dataset kunnen maken die al die documenten die relevant zijn voor een dergelijke onderzoeksvraag op een rij kan zetten in volgorde van relevantie.”

“Dat betekent niet dat al het onderzoek meteen gedaan is, maar wel dat je veel sneller gegevens kan verzamelen. Als je daar ook nog visualisatietools op kan zetten die grafieken kan genereren en netwerken in kaart kan brengen helpt dat je als geesteswetenschapper heel erg met het bereiken van nieuwe inzichten.”

In een enquête in De Groene Amsterdammer bleek dat heel veel geesteswetenschappers digital humanities de belangrijkste ontwikkeling binnen hun vakgebied vinden. Zijn de traditionele onderzoeksmethoden uitgeput?
“Je moet deze digitale revolutie niet zien als de vervanging van een methode door een andere. De traditionele methoden – interpretatie, goed geschreven verhalen – blijven bestaan, maar ze kunnen ondersteund worden door nieuwe onderzoeksmethodes. Daarmee kan je nieuwe, maar ook vooral beter onderbouwde conclusies trekken. En het is ook een soort efficiency slag, omdat je in dezelfde tijd veel meer kan lezen en onderzoeken dan als individuele wetenschapper mogelijk is. Als je een machine hebt die documenten voor je leest en daar alvast voorlopige conclusies aan hangt dan geldt: the sky is the limit.”