Kranten DPG Media toegevoegd aan Corpus Hedendaags Nederlands

Om ontwikkelingen in het hedendaagse Nederlands in kaart te brengen legt het Instituut voor de Nederlandse Taal (INT) het Corpus Hedendaags Nederlands (CHN) aan. Het INT heeft een overeenkomst gesloten met DPG Media. Naast de al genoemde Nederlandse kranten worden ook de Belgische dagbladen Het Laatste Nieuws en De Morgen toegevoegd aan de CHN.

Het INT wil als kennisinstituut voor het Nederlands over de grootst mogelijke datacollectie beschikken om op deze wijze te kunnen bijdragen aan onderzoek en onderwijs. Directeur Frieda Steurs: ‘Zo is de recente hype rond ChatGPT en generatieve AI een goede reden om ook voor het Nederlands een zo krachtig mogelijk taalmodel te bouwen.’ DPG Media hoopt dat de beschikbaarheid van de teksten een bijdrage kan leveren aan wetenschappelijk taalonderzoek. Zakelijk directeur Bart Verkade: ‘De Nederlandse taal is voortdurend in ontwikkeling. Dit wordt weerspiegeld in de teksten in dagbladen en op hun sites. Nieuwe woorden en veranderend taalgebruik komen daar snel tevoorschijn. Wij zijn blij dat we taalwetenschappers kunnen helpen met de taal uit onze media.’

Wetenschappelijk onderzoek
Het Corpus Hedendaags Nederlands (CHN) is gratis toegankelijk voor wetenschappelijk onderzoek. Met het oog op auteursrechten is alleen wel een gebruikersnaam en wachtwoord vereist. Het CHN is automatisch taalkundig verrijkt met woordsoort en lemma. De aanwezigheid van metadata bij de teksten (titel, auteur, taal, publicatiejaar, medium) zorgt ervoor dat er gericht in het corpus gezocht kan worden. Wie bijvoorbeeld alleen in krantenteksten van de laatste tien jaar wil zoeken, kan dat eenvoudig doen. Inmiddels bevat het CHN bijna 3 miljoen teksten uit kranten, tijdschriften, journaaluitzendingen, blogs, websites en romans.