Citatieproces voor Taalkaarten

Hoe Champollion ervoor zorgt dat elke bewering op een taalkaart herleidbaar is tot een primaire bron.

1. Het Probleem

Taalkaarten bevatten feitelijke beweringen — aantallen sprekers, bedreigingsstatus, contactinvloeden, morfologische eigenschappen, typografische conventies, ondersteuning van methoden — die verifieerbaar moeten zijn. Momenteel geldt:

Het veld dataSources is een platte reeks tekenreeksen (bijv. ["cldr-48", "glottolog-5.3"])
Er is geen citatiegranulariteit per veld
Beweringen zoals "~2,8 miljoen sprekers" of "kwetsbaar" hebben geen traceerbare herkomst
Een beoordelaar kan niet bepalen welke bron welke bewering onderbouwt

[!CAUTION] Een niet-onderbouwde bewering is een niet-verifieerbare bewering. Voor een project dat zichzelf als professioneel rigoureus positioneert, moet elke bewering op een taalkaart herleidbaar zijn tot een specifieke, versioned primaire bron.

2. Gezaghebbende Bronnen (Gerangschikt op Prioriteit)

Voor elk type bewering zijn de volgende bronnen gezaghebbend. Geef altijd de voorkeur aan de hoogst gerangschikte beschikbare bron.

Classificatie en Identiteit

Prioriteit	Bron	Dekt	Licentie	Hoe te citeren
1	Glottolog (Max Planck)	Familie, afstamming, glottocode	CC-BY 4.0	`glottolog-5.x`
2	ISO 639-3 (SIL)	ISO-codes, macrotalen	Vrij	`iso639-3-{date}`
3	WALS (Max Planck)	Genusdefinities, typologische kenmerken	CC-BY 4.0	`wals-2024`
4	CLDR (Unicode)	Localecodes, schriftcodes, meervoudsregels	Unicode ToS	`cldr-{version}`

Demografische Gegevens en Vitaliteit van Sprekers

Prioriteit	Bron	Dekt	Licentie	Hoe te citeren
1	Nationale volkstellingsgegevens	Officiële aantallen sprekers	Varieert (doorgaans openbaar)	`census-{country}-{year}`
2	Ethnologue	Schattingen van sprekers, EGIDS	Eigendomsrechtelijk (abonnement)	`ethnologue-{edition}`
3	UNESCO Atlas	Bedreigingsstatus	Vrij	`unesco-atlas-{year}`
4	Gepubliceerde academische artikelen	Regionale sprekersenquêtes	Per-artikel licentie	`{author}-{year}`
5	Katig Collective	Filipijnse talen	Academisch	`katig-{year}`

[!WARNING] Gebruik nooit Wikipedia, door LLM gegenereerde tekst of eigen kennis als primaire bron voor demografische beweringen. Dit zijn op zijn best secundaire of tertiaire bronnen. Herleid altijd terug naar de primaire gegevens.

Ondersteuning van Methoden (Dekking van Vertaal-API's)

Methode	Verificatiebron	Hoe te verifiëren	Hoe te citeren
Google Translate	Talenlijst	API-aanroep of documentatiepagina	`google-translate-{date}`
DeepL	Talenlijst	API-aanroep	`deepl-api-{date}`
Microsoft Translator	Talenlijst	Documentatiepagina	`ms-translator-{date}`
LibreTranslate	Talenlijst	API-aanroep	`libretranslate-{date}`
NLLB	FLORES README	README + modelkaart	`nllb-200-{date}`
LLM	Altijd `true`	N.v.t. (kwaliteit varieert)	`llm-assumed`

DLS (Digitale Taalondersteuning)

Prioriteit	Bron	Dekt	Hoe te citeren
1	Simons et al. 2022	DLS-scores (originele 143 tools)	`simons-2022`
2	Ethnologue 27e+ editie	DLS-scores (uitgebreide 211 tools)	`ethnologue-{edition}-dls`

Typografie, Meervoudsvormen, Schriften

Prioriteit	Bron	Dekt	Hoe te citeren
1	CLDR	Meervoudsregels, aanhalingstekens, getalopmaak	`cldr-{version}`
2	Unicode CSUR	Schriftcodes	`iso15924-{date}`
3	Gepubliceerde grammatica's	Taalspecifieke regels	`{author}-{year}`

Contactinvloeden

Prioriteit	Bron	Dekt	Hoe te citeren
1	Gepubliceerde artikelen over historische taalkunde	Studies naar leenwoorden, contactgeschiedenis	`{author}-{year}`
2	Referentiegrammatica's	Beschrijvingen van structurele invloed	`{grammar-title}-{year}`
3	WALS	Typologische vergelijkingen	`wals-{feature}-{year}`

[!IMPORTANT] Beweringen over contactinvloeden zijn het moeilijkst te onderbouwen. Beweringen zoals "Spaans superstraat, diep, 1571–1898" vereisen expertise in historische taalkunde. Als er geen gepubliceerde bron gevonden kan worden, markeer de bewering dan met "citation_needed": true in plaats van te gissen.

3. Citatieproces (Stap voor Stap)

Bij het Aanmaken van een Nieuwe Taalkaart

Begin met automatisch ingevulde velden:
- Voer node scripts/build-language-tree.mjs --enrich uit → vult classification in vanuit Glottolog
- Leg "glottolog-{version}" vast in dataSources
Voeg CLDR-gegevens toe:
- Zoek meervoudsregels, aanhalingstekens en schriftcode op in CLDR
- Leg "cldr-{version}" vast in dataSources
Onderzoek demografische gegevens van sprekers:
- Raadpleeg EERST nationale volkstellingsgegevens
- Vergelijk met Ethnologue (indien beschikbaar)
- Vergelijk met de UNESCO Atlas
- Leg ALLE geraadpleegde bronnen vast in dataSources
Verifieer ondersteuning van methoden:
- Controleer de talenlijst van ELKE API (niet op basis van geheugen of aannames)
- Leg de verificatiedatum vast
Onderzoek contactinvloeden:
- Zoek gepubliceerde artikelen over historische taalkunde
- Documenteer periode, type en diepte met citaten
- Als er geen gepubliceerde bron bestaat, voeg "citation_needed": true toe aan het invloeditem
Onderzoek vitaliteit:
- Raadpleeg Ethnologue voor EGIDS
- Raadpleeg de UNESCO Atlas voor bedreigingsstatus
- Noteer eventuele discrepanties tussen bronnen
Vul dataSources in:
- Vermeld ELKE geraadpleegde bron (niet alleen bronnen die gegevens hebben verstrekt)
- Gebruik het citatieformaat uit de bovenstaande tabellen

Bij het Bijwerken van een Bestaande Kaart

Wijzig nooit een feitelijke bewering zonder dataSources bij te werken
Als u een aantal sprekers bijwerkt, verwijder dan de oude bron en voeg de nieuwe toe
Als u ondersteuning voor een methode toevoegt, verifieer dit via de API en leg de datum vast
Voorzie alle controles van methodondersteuning van een datumstempel — API-dekking verandert regelmatig

4. Voorgestelde Schemaverbetering: Citaten per Veld

Huidig Schema (Platte `dataSources`)

"dataSources": ["cldr-48", "glottolog-5.3"]

Probleem: Welke velden zijn afkomstig van CLDR? Welke van Glottolog? Welke zijn niet geciteerd?

Voorgestelde Verbetering: Gestructureerde `dataSources`

"dataSources": {
  "classification": ["glottolog-5.3"],
  "vitality.unescoStatus": ["unesco-atlas-2024"],
  "vitality.egids": ["ethnologue-27"],
  "vitality.speakerCount": ["census-ph-2020", "ethnologue-27"],
  "rules.plurals": ["cldr-48"],
  "rules.typography": ["cldr-48"],
  "contactInfluences": ["blust-2013", "llamzon-1969"],
  "methodSupport.googleTranslate": ["google-translate-2024-07"],
  "methodSupport.nllb": ["nllb-200-2024-03"],
  "dls": ["simons-2022", "ethnologue-27-dls"],
  "pipelineReadiness": ["manual-assessment-2025-06"]
}

Migratiepad

Dit is een achterwaarts compatibele wijziging:

Bestaande kaarten behouden de platte reeks (nog steeds geldig)
Nieuwe kaarten gebruiken het gestructureerde formaat
Schemavalidatie accepteert beide formaten
Migreer bestaande kaarten incrementeel naarmate ze worden beoordeeld

[!TIP] Valideer met een script. Voeg een validate-citations.mjs-script toe dat:

Controleert of elke kaart ten minste classification en vitality bronnen heeft

Kaarten met platte dataSources-reeksen markeert voor upgrade

Waarschuwt bij methodSupport-items zonder datumgestempelde verificatie

5. Kwaliteitscontrolelijst

Verifieer het volgende voordat u een wijziging aan een taalkaart samenvoegt:

Elk aantal sprekers heeft een bron (volkstelling of Ethnologue, niet Wikipedia)
Elke UNESCO/EGIDS-status heeft een bron
Elke vlag voor methodondersteuning is geverifieerd via de daadwerkelijke API (niet aangenomen)
Elke contactinvloed heeft een gepubliceerde academische bron OF is gemarkeerd met citation_needed
Classificatie is automatisch ingevuld vanuit Glottolog (niet handmatig opgebouwd)
dataSources vermeldt ALLE geraadpleegde bronnen
Geen enkele bewering is uitsluitend gebaseerd op door LLM gegenereerde kennis
humanReviewed is ingesteld op de identificatie van de beoordelaar en de datum als een moedertaalspreker de kaart heeft beoordeeld

6. Het Veld `humanReviewed`

Het taalkaartschema bevat een veld humanReviewed dat momenteel null is op alle kaarten. Dit veld dient te worden ingevuld wanneer een moedertaalspreker of gekwalificeerd taalkundige de kaart beoordeelt:

"humanReviewed": {
  "reviewer": "Prof. Kenneth Jamandre",
  "affiliation": "University of the Philippines",
  "date": "2026-06-08",
  "scope": "full",
  "notes": "Verified speaker count, vitality assessment, and contact influences."
}

[!IMPORTANT] Gemeenschapsreview is de gouden standaard. Geautomatiseerde gegevens en academische artikelen vormen de basis, maar de beoordeling door een moedertaalspreker is de definitieve validatie. Dit is met name van belang voor:

Beweringen over contactinvloeden (gemeenschapsleden weten welke leenwoorden daadwerkelijk worden gebruikt)

Vitaliteitsbeoordelingen (gemeenschapsleden weten of kinderen de taal nog spreken)

Formaliteitssystemen (academische beschrijvingen kunnen alledaagse gebruikspatronen missen)

7. Referenties voor Dit Proces

Glottolog: https://glottolog.org — CC-BY 4.0
ISO 639-3: https://iso639-3.sil.org — Vrij
WALS: https://wals.info — CC-BY 4.0
CLDR: https://cldr.unicode.org — Unicode-gebruiksvoorwaarden
Ethnologue: https://www.ethnologue.com — Eigendomsrechtelijk (abonnement)
UNESCO Atlas: http://www.unesco.org/languages-atlas/ — Vrij
Simons et al. (2022): https://aclanthology.org/2022.coling-1.379/
Champollion Taalkaartspecificatie: cli/website/docs/reference/language-card-spec.md

1. Het Probleem​

2. Gezaghebbende Bronnen (Gerangschikt op Prioriteit)​

Classificatie en Identiteit​

Demografische Gegevens en Vitaliteit van Sprekers​

Ondersteuning van Methoden (Dekking van Vertaal-API's)​

DLS (Digitale Taalondersteuning)​

Typografie, Meervoudsvormen, Schriften​

Contactinvloeden​

3. Citatieproces (Stap voor Stap)​

Bij het Aanmaken van een Nieuwe Taalkaart​

Bij het Bijwerken van een Bestaande Kaart​

4. Voorgestelde Schemaverbetering: Citaten per Veld​

Huidig Schema (Platte dataSources)​

Voorgestelde Verbetering: Gestructureerde dataSources​

Migratiepad​

5. Kwaliteitscontrolelijst​

6. Het Veld humanReviewed​

7. Referenties voor Dit Proces​