Wat is een thesaurus?

We brachten onlangs een nieuwe versie uit van Atramhasis, onze webgebaseerde thesaurus-editor. Maar wat is een thesaurus nu eigenlijk, en waarom zou een erfgoedorganisatie er één willen?

Onze collega's bij Historic England omschrijven een thesaurus als een gestructureerde woordenlijst die gebruikt wordt om terminologie te standaardiseren, en die helpt bij het indexeren en terugvinden van informatie in databanken die dezelfde terminologie gebruiken. Het structureren van verwante termen op deze manier biedt een aantal voordelen.

Ten eerste kan je zo equivalenties uitdrukken. In plaats van te zeggen dat twee termen "synoniemen" zijn, zeggen we dat beide een verbale uitdrukking zijn van hetzelfde onderliggende concept — dus in plaats van te stellen dat Jugendstil gelijk is aan Art Nouveau, zeggen we dat er één concept bestaat voor die artistieke stijl, met beide termen als label. Een subtiel verschil, maar het verandert hoe je met de thesaurus omgaat.

Ten tweede zijn er hiërarchische relaties: de ene term is breder dan de andere, die op zijn beurt smaller is. Een kathedraal is een kerk, een kerk is een religieus gebouw, dus een kathedraal is ook een religieus gebouw. Niet alle hiërarchische relaties zijn strikt "is een" — ook "is deel van" en "is een instantie van" komen voor, en die maken het er niet eenvoudiger op. Zie On the composition of ISO 25964 hierarchical relations (BTG, BTP, BTI) voor hoe deze op elkaar inwerken.

Ten derde is er de associatieve relatie — de "zachtste" van de drie, die enkel aangeeft dat twee termen of concepten verwant zijn. Steenkoolmijn is verwant met mijnwerkershuizen, omdat in Vlaanderen elke steenkoolmijn zijn eigen kleine woonwijk had waar de mijnwerkers samen leefden.

Thesauri laten je ook toe om een scope note toe te voegen: een geschreven definitie van een concept en hoe het gebruikt moet worden. Dit blijkt in de praktijk erg belangrijk — experts vragen om concepten te definiëren die ze als vanzelfsprekend beschouwden, heeft al meer dan eens tot verhitte discussies geleid. Zonder definitie gebruikt iedereen een concept zoals het hen uitkomt, zonder rekening te houden met andersdenkenden.

Thesauri helpen ons dus om tot een consensus te komen over wat concepten betekenen, en die kennis te delen met de buitenwereld (vandaar dat we ze als open data publiceren). Maar er is ook een heel praktische reden om ze te bouwen en te onderhouden: indexering. Wanneer iemand zoekt naar fonteinen in ons inventarissysteem, wordt de thesaurus geraadpleegd. Is fontein geen gekende term, dan wordt er niets onder geïndexeerd en stopt de zoekopdracht daar. Is het dat wel, dan controleert het systeem ook op smallere termen — in dit geval is bedriegertje een gedefinieerde smallere term voor een type fontein — waardoor een zoekopdracht naar fonteinen zowel records met fontein als met bedriegertje teruggeeft.

Die bedriegertjes tonen meteen nog een handige functie. Bekijk het record voor bedriegertjes en je ziet dat we er zelf nooit een Engels label voor gemaakt hebben. Gelukkig hebben we ons concept van bedriegertje gekoppeld aan hetzelfde concept in de Art & Architecture Thesaurus, die ons vertelt dat de Engelse termen water tricks of joke fountains zijn — en zelfs de Duitse en Spaanse equivalenten geeft. Dat opent heel wat mogelijkheden om met andere systemen te interageren.

Uiteindelijk zijn thesauri een middel, geen doel op zich — onze kerntaak is het beheren van erfgoed, niet het bouwen van thesauri. Maar ze helpen ons enorm om te bepalen wat dat erfgoed precies is, erdoorheen te zoeken en het te linken van ons lokale niveau naar het transnationale niveau. Wil je meer weten over hoe we onze thesauri gebouwd hebben, inclusief een aantal do's en don'ts: de oorspronkelijke post verwees hiervoor naar een bibliografische referentie (Mortier e.a., 2017) die we hier niet exact konden overnemen.