september 2024

bekijk deze nieuwsbrief in uw browser

Nieuws

SABeD

De discipline van de terminologie vertoont een sterke oriëntatie op geschreven tekstmateriaal. Aan de basis daarvan liggen uiteenlopende factoren. Soms zijn deze meer methodologisch zoals in het geval van de klassieke leer van de General Theory of Terminology naar de opvattingen van Wüster. Door de primaire aandacht voor standaardisatie en prescriptie legde deze benadering de klemtoon op het belang van de geschreven vorm aangeleverd door internationale terminologiestandaarden (Cabré, Terminology. Cognition, language and communication, 2023, p. 55). Ook meer praktische redenen zijn soms in het geding zoals de ruime beschikbaarheid van tekstmateriaal en de taaltechnologische mogelijkheden om tekstcorpora aan te leggen en te analyseren. Niettemin manifesteert zich een ontwikkeling waarbij gesproken materiaal toenemende aandacht krijgt in het terminologische onderzoek. Zo stipt genoemde studie van Cabré al aan hoe aanhangers van het GTT-model wijzen op latere bijdragen die Wüsters oorspronkelijke visie aanpassen en aanvullen. Deze gaan uit van een meer dynamische opvatting van terminologieontwikkeling waarbij onder meer de betekenis van gesproken vormen in het kader van taalplanning wordt geaccepteerd (p. 23). Het LTT-congres, hieronder vermeld in deze nieuwsbrief, ruimt eveneens expliciet plaats in voor de mondelinge taalvorm. Mondelinge communicatie gaat immers normaliter vooraf en levert ook de meerderheid van de communicatieve uitwisselingen. Mogelijke onderzoeksvragen in het congresprogramma hebben daarom betrekking op de wijze waarop mondeling taalgebruik in terminologisch onderzoek en in terminologische bronnen aanwezig is.
Gesproken academisch Belgisch-Nederlands
In eigen taalgebied vormt het SABeD-project een representant van dit type onderzoek. SABeD is het acroniem voor Spoken Academic Belgian Dutch. Hoorcolleges zijn een frequent voorkomende onderwijsvorm in het hoger onderwijs en onderzoek toonde aan dat studenten, en in het bijzonder internationale studenten, gesproken, academische woordenschat als struikelblok ervaren. Aan de KU Leuven werd daarom in 2021 een interdisciplinair onderzoeksproject opgestart waarvan het eerste doel bestond uit het samenstellen van een corpus gesproken academisch Belgisch-Nederlands. Daarvoor werden in totaal 1.028 hoorcolleges verzameld uit Vlaamse universitaire eerstejaars bacheloropleidingen, waaruit 200 hoorcolleges werden geselecteerd, evenredig gespreid over de domeinen biomedische wetenschappen, exacte wetenschappen, sociale wetenschappen en geesteswetenschappen. Een tweede doel bestond erin de effectiviteit te onderzoeken van spraaktechnologie voor automatische transcriptie van gesproken teksten. Dat gebeurde aan de hand van een al bestaand AI-taalmodel afgestemd op Belgisch-Nederlands en getraind op basis van data uit het Corpus Gesproken Nederlands. De teksten die door automatische spraakherkenning (ASR) tot stand kwamen, werden vervolgens deels manueel gecorrigeerd, waarna de gecorrigeerde versies weer gebruikt konden worden voor het verder trainen en optimaliseren van de ASR. Nadien werden automatische processen toegepast om onder meer te lemmatiseren, eigennamen en morfemen of woorddelen te identificeren, of woordsoorten toe te kennen. Het corpus is intussen beschikbaar op de website van het Instituut voor de Nederlandse Taal en via de CLARIN-infrastructuur. Als derde doel diende een frequentiegebaseerde woordenschatlijst gesproken academisch Belgisch-Nederlands te worden ontwikkeld. Dat gebeurde door vergelijking met de woordenlijst van Tiberius & Schoonheim (2014) die de meest frequente woorden in het (Belgisch)-Nederlands in het algemeen bevat. Woorden die niet alleen frequent zijn in het academisch maar ook in algemeen taalgebruik, werden uitgefilterd. Het resultaat werd voorgesteld op de Anéla Conferentie Toegepaste Taalwetenschap 2024 en is hier raadpleegbaar. Het project dient tenslotte nog een vierde en praktisch doel: de ontwikkeling van een woordenschattest om na te gaan of studenten de uitgesproken woordvorm en de betekenis van een academisch woord kunnen herkennen. Meer informatie over het project is te vinden in de CLARIN-proceedings 2023 en in de bundel van de 36ste Conferentie Onderwijs Nederlands.

De taal van dating

Vaktaal en jargon zijn twee begrippen met een verschillende reikwijdte. Een gangbaar onderscheid kent aan “vaktaal” een striktere betekenis toe in de zin van terminologie die eigen is aan een bepaald vak of beroep. In vergelijking hiermee kent “jargon” een bredere toepassing. Het Algemeen Nederlands Woordenboek van het Instituut voor de Nederlandse Taal geeft als definitiekern: taal die in een bepaalde groep en vaak in het bijzonder in een bepaalde beroepsgroep gebruikt wordt. Verwijst “jargon” zo naar groepstaal in het algemeen, zonder dat het noodzakelijk een groep vakgenoten betreft, dan zijn beide soms onderling nauw betrokken of kan zelfs sprake zijn van enige overlap. Het goed gedocumenteerde en onderhoudend geschreven boek van M. Andree en V. Waszink levert daarvoor onder de titel Swipen voor een kwarrel de nodige voorbeelden in het taalgebruik van het relationele domein van datingapps, contactadvertenties en datingshows. Veel jargon is te herleiden tot de groepstaal van de partnerzoekenden, maar de aangeduide begrippen vallen geregeld binnen het aandachtsgebied van psychologen, psychotherapeuten en seksuologen. Het boek haalt dan ook voorbeelden aan van termen uit deze professionele hoek die verband houden met de datingpraktijk, zoals lovebombing en tinder-burn-out.

JIAMCATT

Jiamcatt werd opgericht in 1987 op het VN-kantoor in Genève onder de oorspronkelijke naam Joint Inter-Agency Meeting on Computer-Assisted Translation and Terminology. In 2006 werd deze gewijzigd naar International Annual Meeting on Computer-Assisted Translation and Terminology. Tot de activiteiten behoort een jaarlijks congres; opnames van de presentaties van editie 2024 zijn beschikbaar gesteld op YouTube. U kan ze hier bekijken. Overeenkomstig de missie van de instantie handelen vele onderwerpen over computerondersteunde vertaling maar het vakgebied van de terminologie wordt ook betrokken in de lezing getiteld ‘Semantic Integration: Advancing Translation and Terminology in the AI Era’ (JIAMCATT 2024 - Day 2 - Presentations: 37:00). Deze presentatie belicht nader de verbanden tussen terminologiebeheer, kennisbeheer en machineleesbare data en wijst daarbij op een convergerende beweging. Vanuit terminologische hoek voltrekt zich een ontwikkeling voor het begrip ‘concept’. Waar ISO 1087:1990 een concept nog definieerde als een “eenheid van gedachte” die berustte op een set eigenschappen, formuleert ISO 1087:2019 dit als een “kenniseenheid”, gelinkt aan een unieke combinatie van kenmerken. De eerste definitie relateren de sprekers met het opstellen van lijsten van afzonderlijke concepten, en de laatste biedt een potentieel voor netwerken van concepten. Ook ISO 704: 2022 stelt expliciet dat concepten niet als geïsoleerde kenniseenheden bestaan maar binnen conceptsystemen gebaseerd op relaties. Vanuit het perspectief van kennisbeheer voltrok zich een analoge ontwikkeling via ‘semantische technologie’. Deze helpt de betekenis en inhoud van informatie te analyseren en definieert en koppelt daarvoor data op het web. Deze technologie is geschikt voor alle soorten relaties, zowel de terminologische hiërarchische (generieke, partitieve) als associatieve relaties (bijvoorbeeld ‘HasLocation’), automatische gevolgtrekkingen, het relateren van taal- en termniveau, het leggen van verbanden met andere verzamelingen ‘Linked Open Data’ enz. Gegevens worden daardoor gemakkelijk terugvindbaar en interoperabel. Door toegang tot vertalingen van deze data, zoals in wiki, worden ook de vertaalmogelijkheden van een woordenschat verruimd. De combinatie met kunstmatige intelligentie resulteert in een workflow die semantisch verrijkte en in ontologieën gestructureerde data oplevert. Ook Large Language Models worden ingezet. Samen leveren ze praktische toepassingsmogelijkheden voor terminologen en kennisbeheerders waarvan degene in het midden van de volgende afbeelding door beiden worden gedeeld:

Als voorbeeld uit de praktijk verwijzen de sprekers naar de Eurovoc Thesaurus. Deze wordt onderhouden binnen de applicatie Vocbench, een platform voor samenwerking gebaseerd op semantische technologieën dat ook gebruik maakt van Large Language Models. Het wordt ingezet voor onder meer semantische verrijking van Eurovoc om definitievoorstellen te produceren. Een andere applicatie binnen de artificiële intelligentie is de chatbot Publio, die op basis van zoekwoorden in Eurovoc documenten en organisaties opspoort.

EURALEX 2024

Het 21ste internationale Euralex-congres vindt dit jaar plaats van 8 tot 12 oktober in Kroatië (Cavtat). Het thematische zwaartepunt ligt volgens de subtitel van deze editie bij lexicografie en semantiek. Inhoudelijk wordt traditioneel echter een brede waaier van onderwerpen aangeboden. Vele lezingen handelen over woordenboekgebruik, twee- en meertalige woordenboeken, woordenboekprojecten of diepen het raakvlak uit van lexicografie en taaltechnologie, neologismen en grammatica. Van dinsdag tot vrijdag komen in parallelsessie 3 tevens lezingen aan bod over gespecialiseerde lexicografie, terminologie en terminografie. Het volledige programma vindt u hier.

Colloque international 2024

Het congres dat LTT en Sorbonne Nouvelle in Parijs organiseren op 30 en 31 oktober focust op de diversiteit van theoretische benaderingen en de toegepaste methodes in de terminologie onder het motto ‘Approches épistémologiques de la terminologie. Enjeux actuels’. Centraal staat reflectie over de vraag of de wetenschappelijke ontwikkeling in dit vakgebied een stabilisering en gelijkschakeling vertoont, dan wel of er juist sprake is van wederzijdse aanvulling of zelfs divergentie.
Nieuwe perspectieven
Een eerste hoofdlijn in de reflectie gaat volgens de organisatoren van het congres over de vraag of de terminologie zich in een overgangsstadium bevindt. Met name nieuwe perspectieven door kunstmatige intelligentie die invloed uitoefent op de terminologische praktijk, de automatische vertaling en de terminografie, en toegepaste methodes in het licht van de veelheid aan domeinen, komen hier aan bod. Een tweede invalshoek plaatst het mondelinge taalgebruik in de terminologiestudie meer op de voorgrond en suggereert vragen over de onderzoekswijze en de aanwezigheid van mondeling taalgebruik in terminografische bronnen. Een derde onderzoekslijn groepeert studies over het raakvlak tussen terminologie in zijn vele professionele contexten en het huidige streven naar vereenvoudiging, toegankelijkheid en leesbaarheid van teksten. Tenslotte vermeldt het congresprogramma als vierde interessegebied de vorming van de terminoloog met het oog op een toekomstige rol die ruimere doeleinden steunt dan de gespecialiseerde vertaling.

Tools en bronnen

Word en Excel voor terminologische doelen

Voor kwalitatief werk in een vaktalige context is het nodig domeinkennis op te bouwen en te onderhouden. Doordat deze in belangrijke mate ligt opgeslagen in het bijbehorende jargon en de terminologie, zijn termenverzamelingen voor menig taalprofessional onmisbaar. De werkwijze om dergelijke collecties en beschrijvingen samen te stellen, is vaak sterk afhankelijk van de hoeveelheid tekstmateriaal. Wil men een termenverzameling samenstellen uit een grote hoeveelheid digitaal tekstmateriaal, dan bieden termextractors een uitkomst.
Voor een overzienbare hoeveelheid tekst daarentegen vermeldt een Duitstalige blog op de website van vertaal- en terminologiebedrijf D.O.G. een methode die wordt omschreven als snel en bruikbaar, en vooral toegankelijk. De werkwijze maakt namelijk gebruik van twee gangbare programma’s van Microsoft Office: Word en Excel.

De eerste stap voor een eigenhandig uitgevoerde termextractie bestaat erin om een tekstdocument in Word om te zetten in een lijst woorden. Daarvoor slaat u het bestand op met de extensie ‘.txt’, wat alle opmaak verwijdert. Sluit het bestand en open het opnieuw om het bestand zonder opmaak te zien. Vervolgens moet een loutere woordenlijst worden aangemaakt. Kopieer daarvoor het .txt-bestand naar een leeg Word-bestand, toets Ctrl+H in, vul in het veld “Zoeken naar” een spatie in, en in het veld ‘Vervangen door’: ^p . Klik vervolgens op ‘Alles vervangen’. Alle woorden staan nu onder elkaar.
De tweede stap bestaat uit het kopiëren van deze lijst in een leeg Excelbestand met Ctrl+A om alles te markeren, en Ctrl+C om te kopiëren. Open een Exceltabel, klik op de eerste cel van kolom A en toets Ctrl+V in om in te voegen.
Stap 3 vervolgens dient om deze woordenlijst te sorteren en uit te zuiveren. Hiervoor markeert u kolom A, klikt u op het tabblad “Gegevens” en kiest u de optie ‘Sorteren van A tot Z’. Markeer kolom A en kies op het tabblad ‘Gegevens’ vervolgens de optie ‘Duplicaten verwijderen’. De lijst kan verder opgeschoond worden door frequent voorkomende “stopwoorden” zoals voornaamwoorden, voegwoorden, algemene woorden enz. te verwijderen. Dit kan door de ‘Vergelijken’-functie van Excel te gebruiken onder de knop fx. Op het internet zijn verschillende lijsten met Nederlandstalige stopwoorden beschikbaar, zoals Stopwords ISO, Countwordsfree en Gemoderniseerde stopwoordenlijst. Men kan uiteraard ook zelf geleidelijk een dergelijke lijst opbouwen en uitbreiden, bijvoorbeeld mede op basis van de Taalmaterialen beschikbaar gesteld door het Instituut voor de Nederlandse Taal. Nadat men zich daar heeft geregistreerd voor het downloaden, komt bijvoorbeeld in de folder 38_Miljoen_Woorden_Corpus_1996 het bestand ‘38_MWC.woordvorm.txt’ in aanmerking.
De werking van de Excelfunctie ‘vergelijken’ wordt uitgelegd in de blog van D.O.G. maar handig is ook deze heldere en korte, Nederlandstalige instructiefilm op YouTube. Plaats de lijst met stopwoorden in kolom C. Zet vervolgens de celaanwijzer in cel B1. Hierin wordt de functie gemaakt. Klik op de knop fx in de formulebalk boven het werkblad en selecteer “Vergelijken”. Door te klikken op “ok” opent zich het venster “Functieargumenten”. Vul bij Zoekwaarde als celverwijzing in: A1. Bij Zoeken-matrix vult men het volledige bereik in van kolom C waarmee men gaat vergelijken door te klikken op de letter C boven deze kolom. Klik op F4 waardoor dollartekens in het veld verschijnen. Vul bij Criterium_getal het cijfer 0 in. In vak B1 verschijnt nu, of “N/B” (niet beschikbaar), of een cijfer dat verwijst naar de rij in kolom C waar de celinhoud van A1 is gevonden. De vergelijkingsfunctie moet vervolgens worden gekopieerd naar de andere cellen door te dubbelklikken op de “vulgreep” in cel B1, een hulpmiddel in Microsoft Excel waarmee gebruikers snel formules of gegevens in een kolom of in een rij kunnen kopiëren. U kunt dit herkennen aan de kleine groene stip in de rechterbenedenhoek van een cel die gegevens of een formule bevat. Kolom B biedt nu de vergelijkingsresultaten met een cijfer van de betreffende rij dan wel de hiervoor vermelde vermelding “N/B”. Selecteer kolom B door op de B te klikken en kies op tabblad “Gegevens” opnieuw “Sorteren van A tot Z”. Alle cellen met cijfers verwijzen nu naar woorden die in de stopwoordenlijst voorkomen. Markeer de betreffende cellen in kolom A, toets Ctrl + minusteken - in, en verwijder de hele rij. Het overblijvende deel zijn potentieel kandidaat-termen. Door de lijst “stopwoorden” gaandeweg uit te breiden met woorden die niet aan de terminologieverzameling moeten worden toegevoegd, verloopt de termextractie steeds efficiënter.
De beschreven werkwijze is een eenvoudige methode om eenwoordtermen te verzamelen maar de Duitstalige blog van D.O.G doet ook een suggestie voor meerwoordtermen. Daartoe kopieert men de ongesorteerde woordenlijst uit het Wordbestand trapsgewijs en naast elkaar op 3 niveaus in een Excelbestand, te beginnen met cel A3, B2 en C1. Op deze wijze simuleert men de volgorde van drie opeenvolgende woorden uit de originele tekst:
Om de ongewenste kandidaat-termen weg te filteren kan men op dezelfde wijze te werk gaan als bij de eenwoordtermen, maar met specifieke stopwoorden voor het begin en het einde van de woordgroep.
De werkwijze pretendeert niet ideaal te zijn maar, zoals al gezegd, geeft ze, bij een nog overzienbare hoeveelheid tekst, een taalprofessional in ieder geval de mogelijkheid om binnen kort bestek zelf een overzicht te krijgen van te selecteren termen. Zou men gebruik maken van een termextractor, dan is men uiteraard afhankelijk van het taaltechnologisch succes dat de termextractie realiseert op het vlak van de precisie of de verhouding van het aantal correcte termen tegenover het totaal aantal gevonden kandidaat-termen, en de gevoeligheid of 'recall’, of de verhouding van het aantal gevonden correcte termen tegenover het totaal aantal van correcte termen.
De inzetbaarheid van Excel voor terminologische doeleinden beperkt zich echter niet tot termextractie. Bekend is het gebruik van Excelbestanden als opslagplaats voor termenverzamelingen. Ze worden dan vaak aangelegd voor termbeheer door vertalers zelf of aangeleverd door opdrachtgevers om glossaria aan vertalers te bezorgen. Hoewel gebruik van Excel zeker zwakke punten vertoont, zoals de onderlinge verwijzingen tussen ingangen en kolommen, of de lengte van rijen bij een groter aantal velden en talen, is een relatief efficiënt gebruik van Excelsheets mogelijk. Het is dan wel nodig om van meet af aan vaste criteria systematisch te volgen. Informatief in dit verband is een webinar op YouTube van Kara Warburton onder de titel ‘Getting value out of your Excel glossaries’. Belangrijke punten zijn onder meer conceptoriëntatie, de verwerking van synoniemen in rijen, de canonieke vorm voor termen, één data-element per cel enz. Dergelijke systematiek is van belang voor een latere automatische import in termenbanken of CAT-tools. Hoewel Excelbestanden inzetbaar zijn, zal, naarmate termenverzamelingen, projecten en vakgebieden toenemen, de behoefte aan een professioneel terminologiebeheersysteem zich uiteindelijk doen voelen.

TermitUp

Wanneer de hoeveelheid door te nemen tekstmateriaal toeneemt, wordt termextractie lastiger. Op een bepaald punt breekt het ogenblik aan om deze taak met automatische termextractie te verlichten. Om het tijdsbeslag voor nabewerking van de extractieresultaten te verkleinen, wordt voortdurend ingezet op verbetering van de bestaande software. Toch eindigt de ambitie binnen deze tak van de taaltechnologie niet bij de oplevering van zo kwalitatief mogelijke kandidaat-termen. In dit verband vormt TermitUp, voorgesteld in het proefschrift van P. Chozas (2023), een interessante ontwikkeling. Leveren termextractors vaak lijsten met ongestructureerde data die van weinig taalkundige informatie zijn voorzien, dan streeft laatstgenoemde tool een omvattender doelstelling na. TermitUp is een prototype van een applicatie die gebruik maakt van de wijze waarop terminologie en het Semantische Web elkaar aanvullen en die de voordelen van hun combinatie benut. Meer in het bijzonder wil deze tool bijdragen aan het genereren, het verrijken en het modelleren van terminologische bronnen. Dat gebeurt door de interoperabele formaten van het internetweb en vrij beschikbare bronnen te benutten, en op zijn beurt het Semantische Web met terminologische bronnen te verrijken. Het systeem is opgezet als een pijplijn voor het proces van terminologiewerkzaamheden vanaf de termenverzameling tot de publicatie. Dat proces krijgt zijn beslag in vijf opeenvolgende modules. Voor de eerste module is een hulpmiddel voor termextractie gekozen dat uit een gespecialiseerd corpus termen verzamelt. De tweede stap dient voor het naverwerken van deze nog ongezuiverde lijst door duplicaten te verwijderen evenals cijfers en non-termen op basis van lijsten met stopwoorden en syntactische patronen die in een taal niet aan termstructuren beantwoorden. De derde module is ontworpen voor de verrijking van termenlijsten met bijkomende informatie zoals vertalingen, definities, termvarianten, gebruikscontexten en relaties tussen termen. Om dat te bereiken worden onder meer gegevens, contexten, kenmerkende structuren en woorden voor definities, vergeleken en gecombineerd uit het tekstcorpus en de vrij beschikbare gelinkte data die zijn gepubliceerd in de Linguistic Linked Open Data (LLOD)-cloud. Ook worden desambigueringstechnieken toegepast. Stap vier heeft betrekking op het identificeren van de relaties tussen termen in de lijst zoals synonymie, hyperonymie, hyponymie en niet-gespecificeerde relaties. De vijfde en laatste stap betreft de modellering en publicatie in RDF-formaat.
Een volledige beschrijving vindt u in het proefschrift (2023) van P. Chozas. Een korte beschrijving en de vermelding van enkele domeinspecifieke toepassingen biedt verder dit artikel.

Berichten van NL-Term

TiNT 2024

Taalbeleid in het hoger onderwijs en de impact op professioneel taalgebruik en Nederlandstalige terminologie
Op 7 en 8 november organiseert de Stichting NL-Term TiNT 2024, in samenwerking met het INT en gesteund door de Taalunie. (TiNT = Terminologie in het Nederlandse Taalgebied).
TiNT 2024 wordt een tweedaags evenement, dat een fel besproken thema aankaart: de positie van het Nederlands in het hoger onderwijs en in de wetenschapsbeoefening. Een belangrijke vraag daarbij is welke impact de verengelsing heeft op het vlak van terminologie en hoe professionele taalgebruikers met die uitdaging omgaan.
Op 7 november zetten enkele beleidsmakers uit Nederland en Vlaanderen hun standpunt uiteen over taalbeleid in het hoger onderwijs. Op 8 november komen ook de taalwerkers (zoals vertalers en tekstschrijvers) aan het woord en kunnen ze schetsen of en hoe de verengelsing in hun vakgebied tot terminologische onzekerheid leidt.
Op 7 november is er ook een online bijdrage over Termportalen, een Noors initiatief waarmee wordt geprobeerd om Noorse equivalenten aan te reiken voor technische termen: mogelijk een inspirerend voorbeeld.
Op 8 november pakt TiNT 2024 ook nog uit met een primeur: TiNT 2024 illustreert TermWerk.
Het INT heeft in overleg en met financiering van de Taalunie besloten om de eerder ontwikkelde applicaties Termtreffer en Termbeheerder in eigen beheer verder te ontwikkelen met het oog op het onderhoud en de verbetering van de applicaties op de lange termijn. Bovendien zal het gebruiksgemak verbeterd worden door de bestaande termextractor TermTreffer en de termbank-editor TermBeheerder te integreren, zodat één tool ontstaat die geschikt is voor de invoer, verwerking en het beheer van termmateriaal. Het resultaat dient een applicatie te zijn die in een breed, generiek verband en afgestemd op het Nederlands en zijn taaleigenschappen, de termextractiemodule en de editeerfunctionaliteiten van beide systemen combineert. Deze versie wordt door het INT zelf volledig ontwikkeld met financiering van de Taalunie, rekening houdend met de vereisten van de gebruikers.
TIJDENS TINT 2024 ZAL DE STAND VAN ZAKEN IN DE ONTWIKKELING VAN TermWerk WORDEN GEDEMONSTREERD.
Aanmelden is mogelijk via een online formulier.
TiNT 2024 wordt hybride georganiseerd, in Breda en online. Het is ook mogelijk om bijvoorbeeld één dag “fysiek” bij te wonen en een andere online. De diverse opties staan beschreven in het aanmeldformulier.
De website van NL-Term geeft meer details, waaronder de huidige stand van het programma.

Term van het jaar 2024

Met dit initiatief richt NL-term het zoeklicht op termen die dit jaar in de publieke belangstelling hebben gestaan. Het is mogelijk om nominaties voor dergelijke termen in te sturen tot uiterlijk 2 november 2024. Een jury van bestuursleden van NL-Term zal de inzendingen beoordelen en de uiteindelijke selectie maken.
De voorstellen moeten aan volgende voorwaarden voldoen:

Agenda