Om svar anhålles - Svenska Akademiens ordbok - Göteborgs ...

GU-ISS-96-4
Research Reports from
the Department of Swedish,
Göteborg University
ISSN-1401-5919
Om svar anhålles
Rapport från projeket OSA
(Augusti 1996)
Sture Allén
Yvonne Cederholm
Sofie Johansson Kokkinakis
Lena Rogström
Rudolf Rydstedt
Lars Svensson
Språkdata, Institutionen för svenska språket
Göteborgs universitet, 412 98 Göteborg

Innehåll
Förord . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Sture Allén
OSA
Ett datalingvistiskt projekt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7
Rudolf Rydstedt
Inläsningen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Yvonne Cederholm
SGML-taggning av SAOB. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Lena Rogström
Taggning i praktiken – en personlig reflektion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Sofie Johansson Kokkinakis
Bibliografisk databas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Lena Rogström
Den ortografiska normen i SAOB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
Sofie Johansson Kokkinakis
SAOB som hypertext . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Rudolf Rydstedt
SAOB:s täckning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Lena Rogström
OSA-databasen i praktiken. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Rudolf Rydstedt
Etymologierna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
Lars Svensson
Att söka i Språkdatas SAOB-konkordans. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
SAOB på Internet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Ordlista . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

5
Förord
Projektet OSA har som primärt syfte är att omarbeta Svenska Akademiens ordbok till en
historisk lexikalisk databas. I första avsnittet av denna rapport ges bakgrunden till projektet
på basis av Sture Alléns framställning till Svenska Akademien år 1981. Projektet
leds av professor Sture Allén och i projektgruppen ingår för närvarande också Yvonne
Cederholm, Sofie Johansson Kokkinakis, Maja Lindfors Viklund, Ulla Martinsson, Lena
Rogström och Rudolf Rydstedt.
Denna rapport beskriver hur projektet fortskridit hittills. Arbetet med den optiska inläsningen
av materialet behandlas översiktligt. Övriga avsnitt ägnas huvudsakligen åt
det nuvarande arbetet med att märka upp ordbokens innehållsstruktur i SGML. (På
sidan 77 finns en ordlista där SGML och andra termer förklaras.) Här presenteras taggningsmodellen
och den metod vi använt i taggningsarbetet. Vi går också in på problemen
med variation på olika nivåer i ordboken och vad det får för konsekvenser när man skall
söka i ordboken.
Den största delen av denna rapport handlar om ordbokens interna stuktur. Först i nästa
rapport kommer tyngdpunkten att ligga på själva användningen av databasen. Användarens
perspektiv berörs dock i ett avsnitt av ordbokschefen Lars Svensson, där han
skriver om hur konkordansen över SAOB används i ordboksredaktionens arbete. Lena
Rogström skriver också om hur hon använt konkordansen i sitt avhandlingsarbete.
Konkordansen över SAOB finns tillgänglig på Internet (Internetadresser finns på
sidan 75). På Internet finns också finalalfabetiskt ordnade ordlistor och en bibliografisk
databas över SAOB:s källor samt en demoversion av SAOB i hypertextformat. Redan idag
kan man se att det finns ett stort intresse för en Internetversion av SAOB. Projektet OSA:s
hemsidor på Internet besöks idag av ca 300 användare i veckan. Framtida publiceringsplaner
på Internet och/eller CD-ROM diskuteras dock inte i denna rapport.
Göteborg i augusti 1996
Yvonne Cederholm
bitr. projektledare

7
Sture Allén
OSA
Ett datalingvistiskt projekt
Efter framställningen till Svenska Akademien i november 1981
Sammanfattning
Projektets titel syftar på forskares och andra användares situation inför ett stort informationsmaterial:
Om Svar Anhålles. Många slags frågor med lexikalisk och textuell syftning
kan inte få svar, därför att materialet inte är tillgängligt på det sätt som krävs. Syftet med
projektet är att läsa in, lagra, bearbeta, tillhandahålla och undersöka lexikaliskt och textuellt
stoff med datalingvistiska metoder. Avgörande är att detta nu kan ske på basis av
optisk läsning.
Projektet har två faser. I den första fasen läses Svenska Akademiens historiska ordbok
(SAOB) in med hjälp av en optisk klartextläsare och lagras som en databas. Ordboken,
som med sina 26 000 sidor representerar minst 2000 årsverken, blir härigenom tillgänglig
på ett mångfasetterat sätt för sökning och forskning. Från denna synpunkt kan OSA också
utläsas Ordbok över Svenska Språket utgiven av Svenska Akademien.
Inläsningen av SAOB ger öppningar för den historiska lexikologin. För den nuspråkliga
lexikologin förfogar institutionen – Språkdata, Göteborgs universitet – över ordmaterialet
i projektet Lexikalisk databas och i Nusvensk frekvensordbok, vartill kommer den maskinläsbara
versionen av Svenska Akademiens ordlista (SAOL).
Varje ordbok är emellertid ett urval. Det blir därför viktigt att komplettera de lexikaliska
databaserna med texter. Fas 2 ägnas sålunda åt att med den optiska läsarens hjälp
göra en serie texter från reformationen till idag tillgängliga i maskinläsbar form. På dessa
grundas ordindex, som gör det möjligt att öka täckningen av svenskans ordbestånd.
Projektet aktualiserar också centrala datalingvistiska frågor som texters lagringsform,
algoritmisk analys av löpande text och hantering av stavningsvariation. Vissa projekt och
förstudier på dessa områden har genomförts vid institutionen.
Bakgrund
Man möter idag en växande insikt om lexikonets centrala roll i perception och produktion
av naturligt språk och i beskrivningen av naturligt språk. Lexikonet ses härvid som ett
dynamiskt system av morfosemantiska enheter på ord-, ordleds- och frasplanet, underkastade
särskilda kombinatoriska regler. Denna inriktning kan sägas profilera europeisk
lingvistik (Calzolari, Lenders, Mel’cuk, Petöfi, Quemada, Rieser, Zampolli m.fl.) visavi
amerikansk. Också på amerikanskt håll kan man emellertid se tecken på en omorientering.
Vid Språkdata har vi sedan mitten av 1960-talet på vårt håll bidragit till denna perspektivförändring
genom att utveckla och tillämpa datalingvistisk metod och teknik för lexikalisk
forskning i mycket vid mening.
Det största hittills genomförda projektet har resulterat i publiceringen av Nusvensk frekvensordbok
1–4 (1970–80), som på drygt 4000 sidor presenterar ord, fraser, ordled och betydelser
i ett textmaterial av en miljon ord. I anslutning till frekvensordboken har en rad
andra ordböcker givits ut från institutionen. Dit hör Tiotusen i topp (Allén), en mindre

8
frekvensordbok. Dit hör Olika lika ord (Berg), ett svenskt homograflexikon. Dit hör också
Svensk baklängesordbok (Allén et al.), en specialbearbetning av materialet i frekvensordboken
och i Svenska Akademiens ordlista med orden ordnade ordslutsvis.
På det lexikaliska området kan vidare nämnas Förnamnsboken (Allén & Wåhlin), som ger
uppgifter om de 10 000 vanligaste förnamnen, och Ord och fras i psalmboken (Gellerstam
& Gellerstam). Dessutom ingår i serien Data linguistica en morfolexikalisk beskrivning av
nusvenskan (Hellberg).
Det största nu pågående projektet är Lexikalisk databas, som syftar till att etablera en
välstrukturerad databas med omfattande lexikalisk information om en stor, central del av
den nutida svenskans ordförråd. Från databasen skall bland annat genereras och tryckas
en modern svensk ordbok, som på 1000 sidor beskriver och definierar omkring 100 000 ord
(databasen som sådan innehåller för närvarande 150 000 ord). Till databasen är dessutom
knutet ett system av datafiler innehållande fackord på ett stort antal ämnesområden.
Av andra lexikaliska projekt kan nämnas Vokabulärstudier/SAOL, som genomförs med
stöd av Svenska Akademien. Inom detta sker nu en uppdatering av 10 upplagan av Svenska
Akademiens ordlista för den kommande 11 upplagan. Vidare har inom projektet Lexikon
för invandrare utarbetats ett särskilt avpassat svenskt underlag i storleksordningen
15 000 ord för översättning till viktiga invandrarspråk. Det kan tillfogas att ordförrådet i
institutionens talspråkliga databas – en halv miljon ord fria samtal – kommer att sammanställas
och göras tillgängligt.
Vid institutionen finns också Logoteket, ett serviceorgan på nationell bas med uppgift att
upprätta en datamaskinell text- och ordbank. Det inrättades 1975 för att möta den ökade
efterfrågan på kvalitativa och kvantitativa data om språket från forskare, myndigheter
och företag.
SAOB i bokform
Det största ordboksverk som gäller svenskan är Ordbok över Svenska Språket utgiven av
Svenska Akademien (SAOB). Det är en historisk ordbok på hög nivå som ger utförlig information
om det svenska skriftspråkets ordförråd från reformationen och framåt. Dess
första häfte kom ut 1893. Det senaste häftet, som kom 1981, går fram till ordet solanin (en
alkaloid).
Ordboksartiklarna är i korthet ordnade på följande sätt. Efter uppslagsordet följer en
uttalsuppgift, en uppgift om ordklass (i förekommande fall genus), en böjningsuppgift, en
uppgift om eventuella sidoformer, en uppgift om variantformer (den s.k. formparentesen)
och en uppgift om uppslagsordets etymologi. Dessa uppgifter bildar artikelns huvud. Efter
detta kommer betydelsebeskrivningen med tillhörande exempel. Här presenteras de olika
urskilda betydelserna jämte uppgifter om bruklighet och äldsta belägg (i vissa fall också
yngsta belägg). Slutligen behandlas sammansättningar, avledningar och i vissa fall särskilda
förbindelser.
SAOB:s hittills utgivna 28 band omfattar c. 26 000 sidor à drygt 8000 tecken, totalt över
200 miljoner tecken. Ett överslag ger vid handen att antalet uppslagsord är av storleksordningen
450 000. Som jämförelse kan nämnas att senaste upplagan av SAOL innehåller
140 000 uppslagsord.
Den arbetsinsats som ligger bakom SAOB – excerpering, redigering, kontroll, administration,
tryckning – kan lågt räknat anges till 2000 årsverken. Detta gör ordboken till det
i särklass största projektet inom i varje fall nordisk språkvetenskap. Uppgiften ger också
en antydan om storleken hos den informationsmängd som ryms mellan pärmarna.

9
SAOB som databas
Till hela denna rikt varierade informationsmängd finns det endast en ingång, den alfabetiska,
och den gäller enbart uppslagsorden. Men svaren på en stor mängd grundläggande
frågor låter sig inte utletas via den ingången. Frågorna är tvärtom formulerade i helt andra
kategorier: kronologiska, morfologiska, semantiska, stilistiska, etymologiska m.m.
Hur ser det tidiga 1700-talets ordskatt ut Hur har neutrum plural på -er utvecklats Vilka
ord definieras som hyponymer till tillvägagångssätt Vilka ord anges som tillhörande
det ekonomiska området Vilka lånord från engelskan kom in vid tiden för första världskriget
Osv. Vi vet att svaren på sådana frågor finns i de tryckta banden, men de är oåtkomliga
för dem som inte gång efter annan vill excerpera hela den väldiga ordbokssviten.
Om ordboken vore tillgänglig i databasform, skulle kategorier som de nämnda bli sökbara.
Man kunde få svar på frågorna. Fas 1 i projektet avtecknar sig.
Det finns nu nämligen en apparat med vars hjälp tryckt text kan överföras i datamaskinellt
läsbar form och därigenom göras tillgänglig på ett mycket flexibelt sätt. Det är den
optiska läsaren Kurzweil Data Entry Machine. Den består av en skanner (optisk avsökare),
två minidatorer, en textskärm och ett sekundärminne. Vid användning kalibreras den
först med hänsyn till svärta, sidformat m.m. och tränas sedan att känna igen textens typsnitt.
Därefter kan produktionskörning ske. Läshastigheten är 6–12 gånger högre än en
sekreterares skrivhastighet, beroende på textens typografiska karaktär.
Vid körning visar den sådana tecken på skärmen som har lästs osäkert (på grund av
ojämnhet i svärtan, trasiga typer o.d.). Det kräver att en operatör hela tiden är tillgänglig
för att ange den rätta läsningen på dessa punkter.
Utöver de ingrepp som operatören gör i samband med inläsningen kan texten kontrolleras
med hjälp av olika slags program. Dessa kan t.ex. utföra konsekvenskontroller av typen
moment 1 skall följas av moment 2, vänsterparentes skall motsvaras av högerparentes
osv. De kan bland annat också kontrollera bokstavskombinationerna (grafotaxen): insprutning
är ett tillåtligt ord men inte insptutning osv.
Kurzweilläsare är i drift vid t.ex. Library of Congress i Washington, New York Public
Library, Oxford University Computing Service och English Department vid University of
Birmingham. Jag har personlig kontakt med dr Susan Hockey i Oxford och med professor
John Sinclair och hans närmaste medarbetare dr Antoinette Renouf i Birmingham. De
båda senare har f.ö. nyligen gjort ett längre studiebesök vid vår institution. I Oxford håller
man på att lägga upp ett datamaskinellt arkiv med texter på olika språk. I Birmingham
har man börjat läsa in ett stort modernt textmaterial. De nämnda forskarnas erfarenhet
är mycket god.
Genom tillmötesgående från Specialsystem Kinnunen & Co AB, Stockholm, har vi låtit
genomföra ett experiment med Kurzweilläsaren. Hos detta företag finns den enda läsaren
i landet. Man har där bland annat läst in den norska lagboken.
Experimentet, som gjordes i april 1980, gick till så, att vi sände ett par sidor av SAOB
(avsnittet serval – servare) till företaget för inläsning. Efter mycket kort träning av systemet
skedde läsningen. Trots att SAOB i själva verket utnyttjar åtta olika stilar, framstod
resultatet som mycket tillfredsställande.
För att SAOB skall kunna lagras på ett sådant sätt att de olika kategorierna av information
blir sökbara fordras en analys av ordboksartiklarnas logiska och typografiska
struktur. Den fasthet som präglar redaktionens arbete är härvid en stor tillgång. Som presentationen
ovan visade är artiklarna uppbyggda enligt ett bestämt mönster.
En struktur- och systemanalys av det erforderliga slaget har jag tidigare utfört. Det
gällde den gången det maskinskrivna manuskriptet till den 1980 publicerade Stora engelsk-svenska
ordboken (Esselte Studium; 1100 sidor, 120 000 uppslagsord). Analysen ledde
till att ordboken datasattes och lagrades i en sådan form, att kategorier som

10
uppslagsord, uttal, ordklassuppgift, översättning och fraseologi är sökbara. Materialet är
också tillgängligt för forskningsändamål.
Uppläggningen av SAOB i motsvarande form kräver självfallet en programmeringsinsats.
Härvid kan institutionen utnyttja erfarenheten från uppbyggnaden av de system
som nu är i drift, främst Lexikalisk databas.
Det faktum att SAOB inte täcker hela alfabetet kan inte betraktas som något hinder.
Partiet fram t.o.m. solanin innehåller som framgått en myckenhet upplysningar. Det blir
inte heller fråga om något systematiskt bortfall med avseende på de sökkategorier som
nämnts tidigare. Det rådande förhållandet aktualiserar emellertid efterhand också frågan
om SAOB:s tekniska produktionssätt. Den rationaliseringsmöjlighet som i första hand anmäler
sig är inkodning och korrigering av redaktörernas lappmanuskript på textskärm.
Detta innebär samtidigt "sättning" och ger sålunda direkt underlag för tryckning. Eftersom
materialet på detta sätt skulle bli tillgängligt i maskinläsbar form, kunde det också
successivt infogas i databasen.
Som databas kan SAOB användas för flera nya syften. Den kan för det första hållas tillgänglig
för forskningen inom olika områden – nationellt och internationellt – för att ge
svar på frågor av många olika slag enligt ovan. Varje sökbar kategori kan betraktas som
en ny ingång.
Den kan för det andra tillhandahållas som (kommersiellt tillgänglig) databas för sökning
via terminal på företag eller hos myndigheter respektive via hem-TV genom de nya
medier som nu utvecklas. Att abonnera på databasen kan för många te sig mer lockande
än att köpa boksviten.
För det tredje kan nya publikationer presenteras. Exempel på sådana kan vara en kronologiskt
ordnad ordbok med äldsta belägg som sorteringsgrund, ett index över en periods
ordskatt, t.ex. 1600-talets, och en sammanställning av lånord med långivande språk som
indelningsprincip.
För det fjärde kan bearbetningar göras som främjar det fortsatta arbetet vid ordboksredaktionen.
Ett exempel är en baklängeslista över uppslagsorden. Ordbokschefen har förklarat
sig intresserad av en sådan.
För det femte är databasen ett utomordentligt fängslande objekt för lingvistisk forskning.
Undersökningar kan göras av såväl formella som innehållsliga kategorier liksom av
kombinationer av kategorier. I synnerhet vill jag trycka på möjligheten att studera den
svenska vokabulärens semantiska struktur. Som underlag för sådana studier kan olika
slags bearbetningar utföras. En är helt enkelt en framtagning av en konkordans över de
ord i betydelseförklaringarna som inte är formord. En annan, mer avancerad, är algoritmisk
syntaktisk analys av betydelseförklaringarna i syfte att bestämma huvudorden (genus
proximum). Över huvud taget är det viktigt att den utförliga semantiska
informationen i SAOB görs lätt tillgänglig för forskningen.
Svenska texter
Ingen ordbok över ett levande språk kan täcka dess vokabulär fullständigt. Också SAOB
och Lexikalisk databas är urval. För att få ett ännu fastare grepp om ordbeståndet och för
att skapa underlag för många textuellt inriktade forskningsuppgifter är det därför av stor
vikt att med utrustningens hjälp läsa in texter från den nysvenska epoken (tiden från reformationen
till nu). Detta är fas 2 i projektet.
Avsikten är att läsa in såväl skönlitterära som andra texter enligt en fyllig plan som
senare specificeras. Till texterna utarbetas ordindex. Dessa registrerar samtliga ord i materialen
med källhänvisningar. Vid den närmare utformningen av ordindexen beaktar
man att de 200 vanligaste orden i ett textmaterial svarar för hälften av alla beläggen i texten.
Genom sampling kan den datamängd som gäller formorden således reduceras på olika
sätt vid presentationen av ordindexen. Grundtanken bibehålls: de lexikaliska databaser-

11
na kompletteras med fullständiga index över ordbeståndet i ett stort textmaterial. Också
konkordanser av olika slag kan utarbetas. Svaren på en rad frågor får härigenom ökad säkerhet.
De inlästa texterna låter sig på ett naturligt sätt infogas i Logotekets text- och ordbank.
Detta serviceorgan vid institutionen har kortfattat beskrivits i det föregående.
Den optiska textinläsningen ger så stora material, att vissa datalingvistiska forskningsuppgifter
särskilt framhävs. Det finns anledning att antyda tre av dessa. En av dem
gäller utveckling av metodiken för effektiv lagring av text.
Texten kan naturligtvis lagras sekventiellt, ord för ord i den ordning inläsningen ger.
En sådan lagringsform är användbar för åtskilliga syften. Den kan modifieras genom olika
slag av komprimering, vilket dock fordrar uppackning vid vissa tillämpningar.
Ett fascinerande alternativ är att lagra texten i form av ett länkat nätverk. I detta fall
lagras varje förekommande ordform endast en gång. Genom pekare anges orden i kontexten,
föregående och efterföljande ord i alfabetisk ordning och i frekvensordning m.m.
Nätverket innehåller alltså samtidigt texten själv, alfabetiskt ordindex, konkordans, frekvenslista
m.m. Ändringar i texten medför automatiskt ändringar i ordindex, konkordans
osv.
En annan forskningsuppgift som blir av stor betydelse är algoritmisk analys av löpande
text. Olika slag av syntaktisk analys (s.k. parsing) har prövats på många håll med varierande
resultat. Den nyss nämnda formen för lagring av text synes öppna nya möjligheter.
Om textanalysen baseras på ett länkat nätverk, har programmet samtidigt tillgång till
syntagmatisk (kontextuell) och paradigmatisk (gällande alla belägg på samma ordform)
information. Detta i kombination med de kraftfulla lexikaliska databaserna ger den algoritmiska
textanalysen mycket intressanta förutsättningar.
Den sista av de tre forskningsuppgifter jag vill peka på gäller stavningsvariationen i
texterna. Den är ju stor i tidigare århundradens texter. Den rymmer emellertid en hel del
regulariteter som kan utnyttjas för att bland annat sammanföra ordformer i ordindexen.
Också detta kräver naturligtvis ett utvecklingsarbete.
* * *
Svenska Akademien beslöt att svara för personalkostnaderna, och medel till inköp av läsutrustningen
ställdes till förfogande av Knut och Alice Wallenbergs Stiftelse.

13
Rudolf Rydstedt
Inläsningen
En av de bärande tankarna bakom OSA-projektet var att introduktionen av optisk läsning
(OCR-teknik) gjorde det realistiskt att göra om SAOB till en lexikalisk databas (jämför
“OSA Ett datalingvistiskt projekt” på sidan 7). Det som gjorde den optiska läsningen tilltalande
var att den framstod som ett ekonomiskt mycket fördelaktigt alternativ till manuell
inkodning. De praktiska prov som utfördes i samband med upphandlingen av läsare var
också lovande: maskinen markerade osäker läsning en gång per 200 tecken och korrigering
behövdes en gång per 2.000 tecken. Läshastigheten var 20 tecken per sekund. År 1982
omfattade SAOB närmare 200.000.000 tecken. Med 25 timmars effektiv drift per vecka
skulle därmed inläsningen totalt kräva 111 veckors arbete, i storleksordningen tre år. Det
praktiska arbetet kom igång våren 1983, men inläsningen tog inte slut 1986 utan tio år
senare, i januari 1996. Utan några jämförelser i övrigt, är det lätt att notera en förlängning
med ungefär samma faktor som den framställandet av själva ordboken har genomgått.
Den yttersta orsaken till att inläsningen kom att ta betydligt längre tid än förväntat
var att utrustningen fungerade sämre än vad proven före upphandlingen hade givit anledning
att förmoda. Det visade sig snart vara nödvändigt med ett omfattande korrekturarbete
för att det inlästa materialet skulle kunna användas som underlag för vidare
bearbetningar. Till en början utfördes både inläsning och korrektur internt inom projektet.
Med tiden skedde dock en övergång till att utnyttja externa leverantörer i stället.
Dessa åtog sig nämligen att leverera materialet till mycket låg kostnad mot att de kunde
använda SAOB som en s.k. ”strumpsticka”, ett lägre prioriterat arbete som används för
att jämna ut beläggningen. Fördelen för projektets del var att kostnaden blev lägre än om
inläsning och korrektur hade skett i egen regi. Nackdelen var att möjligheterna att förutse
precis när det inlästa materialet skulle komma att levereras minskade. Det som gjorde att
en inläsning med låg intensitet under längre tid var rimlig var att det inledande arbetet
med att fånga SAOB:s struktur (diskuteras i “SGML-taggning av SAOB” på sidan 15 och
framåt) utfördes med en så begränsad personalinsats (under tre heltidsekvivalenter) att
ett lägre tempot i materialleverenserna aldrig behövde bli en faktiskt begränsande faktor.
En naturlig fråga är vilka implikationer som erfarenheterna från OSA-projektet har för
datafångsten i andra projekt. En viktig erfarenhet är att det inte går att ge ett enkelt och
generellt giltigt svar på frågan om det lönar sig med optisk läsning eller inte. Till en del
beror det på att den allmänna tekniska utvecklingen gör att den optiska läsningen med
tiden har blivit billigare och säkrare. Den största skillnaden mellan idag och början av 80-
talet ligger dock i sänkta kostnader för utrustningen, inte i höjd läskvalitetet. Detta är
olyckligt med tanke på projekt där stora mängder text skall fångas då kostnaden för utrustning
spelar ganska liten roll för totalkostnaden i dessa jämfört med läskvaliteten och
den därav beroende kostnaden för efterkorrigeringar. Däremot är naturligtvis låg initialkostnad
väsentlig i projekt där små textmängder skall fångas. En tumregel kan vara att
man bör ha starka skäl för att inte undersöka hur väl optisk läsning fungerar om den text
som skall fångas är mer än något dussin sidor lång. Men det är inte bara den optiska läsningen
som har utvecklats sedan 80-talets början. En väsentlig faktor är att även verktygen
för manuell inkodning har genomgått en betydande utveckling. Det är tankeväckande
att persondatorn var ny och föga spridd när OSA-projektet inleddes. En indirekt konsekvens
av det var att inkodning i tredje världen inte förekom i nämnvärd omfattning vid
den tiden. Idag är manuell inkodning i låglöneländer en viktig konkurrent till optisk inläsning.

14
Nu skall inte skillnanden mellan optisk läsning och manuell inkodning övervärderas.
Oberoende av hur texten fångas så måste den genomgå en efterföljande bearbetning för
att nå acceptabel kvalitet: både optiska läsare och mänskliga inkodare gör fel. Detta leder
t.ex. till att det ofta är mindre viktigt hur många fel det finns i den fångade texten jämfört
med hur lätta dessa fel är att identifiera och rätta till. Det finns naturligtvis ett samband
i det att en text med mycket fel normalt kräver mer arbete för att bli rimligt korrekt än en
med få fel, men det finns många subtila faktorer som påverkar hur tung korrekturprocessen
blir. Så är en text som i väsentlig grad består av fasta formler betydligt mera tillgänglig
för maskinella korrektioner än en mera varierad. I fallet med SAOB råder det mycket
stora skillnader mellan olika delar av texten. Bruklighetsangivelserna är t.ex. normalt
rena formler. Detta gör det lätt att säkert göra rättelser rent maskinellt: står det ”rnindrc
br.” är det lätt att ändra till ”mindre br.” Motsatt förhållande gäller för språkproven. Dessa
har en variation inte minst i fråga om stavningen som gör att det endast undantagsvis går
att utföra korrektioner säkert maskinellt. En poäng är dock att det även här är de typiska
felen vid optisk läsning som är lättast att justera säkert maskinellt: en människa som skriver
av ”accijsen” fel skriver kanske ”accisen”, maskinen skriver snarare ”accij8en”. Det senare
ser värre ut, men det är lätt att lägga märke till.
För att summera: OSA-projektets erfarenheter av optisk inläsning är inte entydligt positiva,
men de är tillräckligt goda för att optisk inläsning skall framstå som ett alternativ
värt att överväga även vid arbete med tekniskt mindre lätthanterlig text. Inte minst har
det visat sig att de typiska fel som optiska läsare gör ofta är betydligt lättare att rätta till
under det efterföljande korrekturarbetet än de fel som en mänsklig inkodare skulle göra i
motsvarande situation.

15
Yvonne Cederholm
SGML-taggning av SAOB
I detta avsnitt beskrivs hur den optiskt inlästa texten översätts till SGML-format 1 , där
ordbokens innehållsliga struktur taggas. Målet är att SAOB efter taggningsarbetet skall
kunna användas som en lexikalisk databas, där man kan göra komplexa sökningar som
t.ex. "vilka ord lånades in från engelskan under perioden 1700–1750".
Taggningen gör tolkningen av texten explicit. Den implicita information, som i den
tryckta ordboken signaleras med hjälp av typografin och lätt kan tolkas av en mänsklig
användare, blir genom taggningen också maskinellt sökbar. SGML-taggarna kommer naturligtvis
inte att visas för den mänsklige läsaren, utan varje informationskategori associeras
då med en viss typografi. Typografin behöver inte fastställas en gång för alla. Man
kan välja utformning beroende på vilken läsare man riktar sig till och exempelvis ge ordboken
en mer pedagogisk utformning med utförliga förklaringar, eftersom man inte behöver
ta hänsyn till utrymmet på samma sätt som i tryckta media. Detta avsnitt beskriver
dock endast SGML-taggningen.
Följande exempel får belysa taggningsarbetet. Enligt en vanlig lexikografisk konvention
markeras lexikonartiklars betydelseindelning med siffror. Siffrorna står oftast också
i fetstil för att indelningen skall framgå tydligt. Här följer ett utsnitt ut SAOB-artikeln
champagne, som beskriver sammansättningen champagneglas. Vi ser att i den första versionen
är sammansättningens två betydelser markerade med siffror i fetstil som i en
tryckt ordbok. I den andra har vi istället satt in taggen .
— -GLAS -2 1) för drickande av champagne särsk.
afsedt vinglas; vanl. antingen högt o. smalt l.
lågt o. vidt. DA 1824, nr 205, s. 4. De gamla kägelformade
champagneglasen äro de bästa. HAG-
DAL Kok. 1130 (1879). LUNDIN G. Sthm 147 (1880).
KALLSTENIUS Hush. 184 (1896). 2) (i sht best., föga
br.) med champagne fylldt glas. Det är med den första
— -GLAS -2 för drickande av champagne särsk.
afsedt vinglas; vanl. antingen högt o. smalt l.
lågt o. vidt. DA 1824, nr 205, s. 4. De gamla kägelformade
champagneglasen äro de bästa. HAG-
DAL Kok. 1130 (1879). LUNDIN G. Sthm 147 (1880).
KALLSTENIUS Hush. 184 (1896). (i sht best., föga
br.) med champagne fylldt glas. Det är med den första
Den första versionen kan enkelt tolkas av en mänsklig användare. Ett dator som skall
söka i ordboken kan däremot inte "förstå" att just dessa siffror i fetstil markerar en betydelseindelning.
För att programmet skall kunna skilja på dessa siffror och andra siffror i
fetstil i ordboken, måste man lägga till information i form av taggar som gör att programmet
tolkar det som en betydelseindelning. I exemplet ovan lade vi till taggen
1.SGML är en internationell standard som finns beskriven i ISO 8879: Information processing – Text and
office systems – Standard Generalized Markup Language (SGML), Geneva 1986. De som inte är bekanta med
SGML rekommenderas att läsa t.ex An introduction to SGML av Benoît Marchal som finns tillgänglig på
Internet under adressen http://www.brainlink.com/~ben/sgml/ eller kapitel 2 i Burnard &
Sperberg-McQueen Guidelines for Electronic Text Encoding and Interchange (TEI P3) som också ger
en allmän introduktion till SGML.

16
som inleder betydelsemoment. Taggen har ett också ett attribut n, som anger betydelsens
ordningsnummer. På samma sätt markeras alla andra informationskategorier i ordboken.
Bakgrund och förutsättningar för taggningsarbetet
SAOB i sin tryckta version är satt i åtta olika stilar, men OCR-programmet känner endast
igen normalstil, fetstil och kursiv. (Alla exempel från OSA-materialet i denna rapport återges
också med dessa tre stilar.)
Normalstil, fetstil och kursiv och andra typografiska markörer, som exempelvis parenteser,
komman och punkter, utgör de viktigaste hållpunkterna när man skall hitta gränserna
mellan de olika informationskategorierna. Huvuddelen av taggningen görs
automatiskt med efterföljande manuella kontroller. Viss svåridentifierad information
måste dock taggas helt manuellt. Eftersom taggningsarbetet ännu inte är slutfört redovisar
vi här också en del problem som vi ännu inte har tagit ställning till.
Taggningsarbetet grundas på de beskrivningar av artikelstrukturen som finns i litteraturen
om SAOB. Främst på de två handledningar som har utarbetats för redaktörerna
(Kock 1904; Jonsson 1993), men också på annan litteratur om SAOB (Ekbo 1971; Lundbladh
1992 etc.). All variation i SAOB:s artikelstruktur är naturligtvis inte dokumenterad
i dessa beskrivningar, eftersom de haft andra syften – handledningarna utgör riktlinjer
för redaktörernas arbete och den övriga litteraturen har i första hand ett pedagogiskt syfte.
Taggningsarbetet har därför till stor del haft karaktären av ett utgrävningsarbete där
vi undan för undan frilagt olika strukturella lager i SAOB.
Ordböcker har generellt en mycket komplex struktur som text betraktat och SAOB är
naturligtvis ett extremfall bland ordböcker. Artiklarnas längd varierar mellan några få rader
och upp emot hundra spalter. En artikel kan omfatta hundratals olika betydelsenyanser
och varje betydelse kan exemplifieras med flera språkprov. Den enorma
detaljrikedomen gör strukturen mycket svåröverskådlig och det är omöjligt att på förhand
definiera en grammatik som beskriver hela SAOB:s struktur i detalj. Själva struktureringsarbetet
blir ett sätt att ta fram denna okända grammatik. Kazman (1986, s. 16–17)
som arbetat med struktureringen av The Oxford English Dictionary säger att uppgiften
att strukturera en sådan stor ordbok liknar det problem som inom mönsterigenkänningsområdet
kallats "The Grammatical Inference Problem". Problemet beskriver han enligt
följande. Input består av en mängd strängar som antingen accepteras eller förkastas av en
okänd grammatik. Man tillämpar någon slags procedur för skilja acceptabla strängar från
icke-acceptabla och genom detta får man gradvis kunskap om hur den okända grammatiken
ser ut. Ett liknande uppgift, skriver Kazman, är att försöka skriva en grammatik för
ett dött språk.
Då de första delarna av ordboken publicerades var principerna för ordbokens struktur
inte fastlagda. En handledning för redaktörerna, som redigerades av Ernst Kock, färdigställdes
först år 1904. Då hade hela bokstaven A och stora delar av C redan publicerats.
Det innebär att det finns många strukturella avvikelser i de första delarna jämfört med de
senare delarna. Exempelvis finns inga avledningsramsor på bokstaven A, utan avledningarna
utgör där egna huvudartiklar. Även i de senare delarna förekommer det avvikelser i
strukturen, vilka – även om de inte innebär någon större svårighet för en mänsklig läsare
– komplicerar struktureringsarbetet inom projektet. SAOB anses dock ha en relativt sett
stringent struktur och genomförd typografi. Sture Hast (Svensson et al. 1993, s. 55–84)
har gjort en jämförelse mellan de fyra stora germanska ordböckerna, The Oxford English
Dictionary (OED), Grimms Deutsches Wörterbuch, Woordenboek der Nederlandsche Taal
(WNT) och SAOB. Han kommer fram till att OED och SAOB har en mera stringent och
lingvistisk uppläggning än de andra två. OED är dock, enligt Sture Hast, den mest enhetligt
utformade ordboken eftersom det i SAOB finns stora diskrepanser i framställningen
mellan olika redaktörer och tidsperioder. Att OED är den mest enhetligt utformade ordbo-

17
ken beror antagligen på att James Murray själv skrev eller ansvarade för nästan hälften
av alla artiklar i ordboken.
Det finns naturligtvis ingen möjlighet att arbeta om strukturen i de första delarna inom
ramen för OSA-projektet. Den lexikaliska modell vi utarbetar måste vara generös och tilllåta
en stor variation i såväl makrostruktur som mikrostruktur. Den måste bygga på den
stramare strukturen i de senare banden, men samtidigt rymma de första bandens fria artikelstruktur.
En ovan användare måste kunna söka i hela ordboken utan att känna till
några detaljer om variationen i artikelstrukturen, eftersom det främsta syftet med projektet
ändå är att göra ordboken mer lättillgänglig.
Uppläggning av taggningsarbetet
Vi har delat in taggningsarbetet i olika faser. Den första fasen är en identifieringsfas där
gränserna mellan de olika informationskategorierna lokaliseras och de typografiska koderna
översätts till SGML-taggar. Det är i denna fas vi nu befinner oss och det är huvudsakligen
identifieringsfasen som beskrivs i detta avsnitt. Denna fas är också den mest
arbetskrävande i projektet.
I nästa fas byggs de enskilda elementen samman till en komplex SGML-struktur och
grammatiken över ordbokens struktur fastställs i en s.k. document type definition (DTD).
Våra planer är att så långt som möjligt följa den DTD för tryckta lexikon som rekommenderas
av Text Encoding Initiative (TEI P3 1984: 321–370). I TEI P3 pekar man på den stora
strukturella variation som finns i ordböcker. På grund av detta har man valt att
definiera två modeller. En modell med en fast struktur vilken skall täcka in de vanligaste
typerna av ordböcker samt en alternativ modell som utgår från samma element, men som
medger att man kan kombinera alla element relativt fritt.
... because the structure of dictionary entries varies widely both among and within
dictionaries, the simplest way for an encoding scheme to accommodate the entire range
of structures actually encountered is to allow virtually any element to appear virtually
anywhere in a dictionary entry.
(TEI P3 1994, s. 321)
Vi bör kunna använda oss av den friare modellen som utgångspunkt, men vissa omfattande
tillägg måste ändå göras för att DTD:n skall täcka SAOB:s komplexa struktur. Några
av komplikationerna nämns nedan.
I den sista fasen av taggningsarbetet kommer vi att lägga till viss information till texten.
Vi kommer att normalisera stavningen av uppslagsorden. Källhänvisningarna kommer
också att normaliseras så att de kan länkas till en bibliografisk databas. Vi kommer
att undvika att ändra i själva texten och istället lägga de normaliserade formerna i SGMLtaggarna.
Alla korsreferenser och hänvisningar till de behandlade orden skall också formaliseras
i denna fas, så att man kan kontrollera hela systemet av korsreferenser automatiskt.
Vi kommer inte att här diskutera vilket sökspråk eller söksystem som skall användas
för SAOB när taggningsarbetet är avslutat. PAT, det system som används för att söka i
OED (se t.ex. Salminen 1994), kan hantera sökningar i stora SGML-strukturerade dokument
och verkar vara det bästa systemet i dagsläget. Tyvärr finns inte idag något fullständigt
frågespråk som kan hantera SGML. Detta beror på att SGML från början inte alls var
tänkt att vara ett databasformat, utan utformades för att fungera som ett utbytesformat
mellan olika ordbehandlingsformat. Eftersom antalet SGML-kodade dokument ökat kraftigt
de senaste åren har det uppstått ett behov av att kunna söka i och uppdatera dessa
dokument. Det finns flera forskningsprojekt som arbetar på att ta fram en väldefinierad
semantik för SGML och att utveckla ett fullständigt frågespråk som innebär att man kan
söka i och ändra i dokumenten på ett väldefinierat sätt. Raymond och Tompa (1995) ger

18
en översikt av problemställningarna i From Data Representation to Data Model: Meta-Semantic
Issues in the Evolution of SGML. En modell som Blake et al. (1994) har arbetat på
är att utvidga SQL till att också kunna hantera SGML.
Vi valde till en början att låta elementens namn ligga nära SAOB:s egen terminologi.
Efter att TEI P3 publicerades 1994 har vi dock lånat många elementnamn därifrån, speciellt
för de formella informationskategorierna. Elementnamnen utgör därför för närvarande
en oskön blandning av svenska och engelska, men vi har valt att låta det vara så
tills vi börjar med nästa fas av taggningsarbetet.
Taggningsarbetet beskrivs nedan med utgångspunkt från respektive informationskategori.
Den allmänna beskrivningen av informationskategorierna bygger på Lundbladhs
Handledning till Svenska Akademiens ordbok från 1992 och jag har också försökt hålla
mig till den terminologi som Lundbladh använder.
Primärstrukturen – SAOB:s skelett
Vi har valt att skilja på två typer av informationskategorier. Den ena typen är de lexikaliska
enheterna i artiklarna, nämligen uppslagsord, sammansättningar, avledningar, särskilda
förbindelser samt betydelsemoment. Den andra typen är information som är knuten
till dessa lexikaliska enheter, antingen på den formella eller semantiska nivån, t.ex. uttal,
ordklass, böjning, etymologi, definitioner och språkprov.
Vår strategi var att först bygga ett strukturellt skelett av de lexikaliska enheterna. Skelettet
kallar vi för primärstrukturen och det utgörs för närvarande av ca 800 000 lexikaliska
enheter. Här ingår också en del taggar som markerar grupperingar av de lexikaliska
enheterna, t.ex. ramsor.
Förutsättningen för att etablera det strukturella skelettet var att man relativt enkelt
kunde isolera de lexikaliska enheterna maskinellt. Programmen måste sålla ut dessa enheter
och inget annat i texten, enbart på grundval av den typografiska informationen. Svårigheten
var att hitta de mönster som beskrev exakt de lexikaliska enheterna och inget
annat. Den typografiska information som OCR-programmet känner igen var en relativt
mager utgångspunkt för struktureringsarbetet. Mönstren utgjordes av koderna som angav
stilbyte mellan brödstil, kursiv och fetstil, samt andra typografiska markörer som t.ex.
parenteser av olika slag, kolon, semikolon och indrag. Mönstren, som utgör reguljära uttryck,
översattes sedan till SGML-taggar. Implementeringen gjordes i sed och Perl.
Tabell 1: tagguppsättning för primärstrukturen
starttagg sluttagg beskrivning
— artikel
— hänvisning
huvudord (lemma)
— sammansättningsramsa
— sammansättningsartikel
förled i sammansättning
efterled i sammansättning
— avledningsramsa
— avledningsartikel

19
Tabell 1: tagguppsättning för primärstrukturen
starttagg sluttagg beskrivning
avledning
— ramsa med särskilda förbindelser
— artikel för särskild förbindelse
särskild förbindelse – grundord
särskild förbindelse – partikel
— betydelsemoment på 1:a nivån (huvudmoment,
anges i tryck med arabiska siffror)
— betydelsemoment på 2:a nivån (anges i
tryck med gemener)
— betydelsemoment på 3:e nivån (anges i
tryck med grekiska bokstäver)
— betydelsemoment på 4:e nivån (anges i
tryck med grekiska bokstäver kombinerat
med prim-tecken)
— betydelsemoment på 5:e nivån (anges i
tryck med grekiska bokstäver kombinerat
med bis-tecken)
— momentgruppering (syntaktiska kriterier;
anges i tryck med romerska siffror)
— momentgruppering (icke-syntaktiska kriterier;
anges i tryck med versaler)
Det har varit nödvändigt att göra omfattande sorteringar av materialet för att hitta dessa
mönster. För att exemplifiera hur detta kan gå till kan vi återknyta till exemplet med betydelseindelningen
i artikeln champagne ovan. I detta fall skulle man först sortera kontexten
för alla siffror i fetstil i SAOB. Man gör sedan en bedömning om alla siffror är
ordningsnummer i betydelseindelningen. I så fall byter man ut dem mot taggen , o.s.v., som i exemplet ovan. Detta är ett naturligtvis ett starkt förenklat
exempel eftersom det finns miljontals siffror i fetstil i SAOB, vilka förekommer i en
mängd olika funktioner. Mönstren som vi definierar är mycket mer komplicerade, men exemplet
visar på själva tillvägagångssättet. Vi gör omfattande provtaggningar på små partier
från olika delar av ordboken – på grund av den strukturella variationen – innan vi
slutligen taggar hela materialet. Man måste acceptera en viss felprocent på grund av svårigheten
att överblicka strukturen, men den får inte vara större än att felen går att korrigera
manuellt i efterhand. Om man taggar 300 000 enheter maskinellt och får med 5 000
andra enheter av misstag, så tar detta lång tid att korrigerera manuellt. Detta kan tyckas
vara en trivial upplysning, men jag vill trycka på att det är ordbokens storlek som karaktäriserar
hela detta projekt och då speciellt svårigheten att överblicka hela materialet.
Makrostrukturen
Det är relativt lätt att hitta gränserna mellan huvudartiklarna i SAOB, eftersom de markeras
typografiskt med ny rad och indrag. Det finns dock en annan typ av artiklar som är
svårare att hitta eftersom uppslagsordet kan stå var som helst på raden, endast åtskilt

20
med ett streck. Uppslagsordet är då besläktat med föregående uppslagsord, se t.ex. piemontesare.
Sammanlagt har cirka 45 000 huvudartiklar identifierats. Artikelgränsen taggas:
Sammansättningar, avledningar och särskilda förbindelser behandlas normalt i de s.k.
ramsorna. Vissa sammansättningar, avledningar och särskilda förbindelser behandlas
dock av olika skäl i egna huvudartiklar. Det finns då en hänvisning från ordets alfabetiska
plats i ramsan till huvudordet. Förhållandet mellan huvudorden och orden i ramsorna är
komplicerat. Vissa ramsor är exceptionellt långa och ramsan bryts då av andra artiklar. I
artikeln o- bryts sammansättningsramsan odaterad, odaterbar av artikeln odds. Denna
artikel har i sin tur en sammansättningsramsa: oddssiffra, oddstal. Upplagsordet o- återkommer
sedan och sammansättningsramsan fortsätter med odebiterad, odechiffrerad etc.
Ramsan i artikeln o- är sammanflätad med övriga artiklar på detta sätt genom hela bokstaven
O. Denna uppbrutna artikelstruktur har också t.ex. artiklarna för-, före-, i, in, inne,
kring, med, miss-, mot, ned, om, på, re-, sam-, samman och sam-. Den diskontinuerliga artikelstrukturen
är ett bra exempel på SAOB:s strukturella egenheter och varför de standardmodeller
som används inom TEI måste byggas ut.
Artiklarna förses med unika identifierare, för att man skall kunna hantera alla korsreferenser
automatiskt. Identifieraren utgörs oftast enbart av uppslagsordet, som exempelvis:
Om det finns homografer till uppslagsordet utgörs identifieraren av uppslagsordet samt
ordklass och homografnummer, t.ex:
Vi har dessutom diskuterat olika möjligher att lägga till ınformation om artiklarnas tillkomst.
Man skulle kunna förse artiklarna med de tryckningsdatum, som finns angivna på
varje ark i ordboken. Detta datum är viktigt t.ex. för att precisera vissa bruklighetsangivelser.
Bruklighetsuppgifter, som t.ex. numera mindre brukligt, är helt beroende av när
artikeln skrevs. Vi har också diskuterat möjligheten att förse varje artikel med uppgift om
artikelförfattare, i de fall det är känt. Från och med häfte 52 i band IV anges artikelförfattarna
på pärmarnas insida. Lars Svensson (Svensson et al. 1993, s. 172–194) har dessutom
försökt kartlägga vilka som skrev de osignerade artiklarna i de tidigare banden.
Huvudord
Alla behandlade ord markeras med versaler i fetstil i SAOB. Detta var helt avgörande för
att vi skulle kunna hitta huvudorden, sammansättningarna, avledningarna och de särskilda
förbindelserna.
Omkring 40 500 huvudord har identifierats hittills. Huvudorden taggas som exemplet
nedan.
AFSTÅ
Efter att huvudorden taggats gjorde vi en automatisk kontroll av att huvudorden kommer
i alfabetisk ordning. Denna kontroll gjordes för att fånga upp kvarvarande fel från den optiska
inläsningen. I denna kontroll upptäckte vi emellertid också fel i den tryckta ordboken.
1
Stavningen av vissa uppslagsord måste normaliseras, t.ex. stavningen med f istället för
v i ord som af, afstå, afgöra och stavningen med ä istället för e i ord som rägn (se "Den ortografiska
normen i SAOB" på sidan 43 och framåt.). När man normaliserar stavningen av

21
huvudorden bör man enligt min mening undvika att ändra i själva texten, för att minska
risken att förlora väsentlig information. Den normaliserade formen ges istället som ett attribut
till elementet, som i exemplet:
AFSTÅ
Avstavade huvudord är ett annat problem. De måste gås igenom manuellt för att man
skall kunna avgöra vilka som egentligen skall innehålla bindestreck.
Vi har genererat en ordlista över alla huvudord i SAOB. Ordlistan är tillgänglig genom
World Wide Web på Internet. Adressen är http://svenska.gu.se/saob/saobusers.html.
Där finns också en baklängessorterad variant av ordlistan.
Hänvisningar på artikelnivå
Med hänvisningar menas här de uppslagsord som hänvisar till andra huvudartiklar eller
ramsor. Ca 19 000 hänvisningar av denna typ har taggats hittills. Uppslagsorden i hänvisningarna
taggas liksom uppslagsorden i huvudartiklarna med . Hela hänvisningen
taggas som i exemplet:
CZAR, se TSAR.
---
CZAR, se TSAR
Värdet på attributet target motsvaras av en identifierare i en huvudartikel. I exemplet
ovan hänvisas till artikeln tsar, som inte är skriven än. Hela härledningssystemet i SAOB
kommer naturligtvis inte att hänga ihop förrän hela ordboken är tryckt. Man bör dock
kunna kontrollera delar av systemet automatiskt. Då kan man också automatiskt generera
listor över hänvisningar till de delar som inte ännu är tryckta. Detta bör underlätta ordboksredaktionens
manuella arbete med hänvisningsregistret.
Betydelsemoment
Den hierarkiska strukturen i betydelsebeskrivningen omfattar fem nivåer. Dessutom
finns två typer av grupperingar på en högre nivå. Momentbeteckningarna anges med versala
bokstäver, romerska siffror, arabiska siffror, gemener, grekiska bokstäver, samt grekiska
bokstäver kombinerat med prim- och bis-tecken. Ungefär 300 000
momentbeteckningar har identifierats hittills och utgör betydelsebeskrivningens skelett.
Taggarna i betydelseträdet redovisas i tabell 1. Det första betydelsemomentet på översta
nivån taggas exempelvis:
Även betydelsemomenten måste förses med identifierare för att hänvisningssystemet
skall fungera. I SAOB finns exempelvis hänvisningar till betydelsemomenten från sammansättningsramsorna.
De anger till vilken betydelse sammansättningens förled hör.
Man kan här följa samma namngivningsprincip som för uppslagsordens identifierare, med
tillägg för ordningsnummer i betydelseträdet. Identifieraren nedan skall utläsas som uppslagsordet
kram, sbst 1 , betydelsemoment 2.b.
1.Vid genomgången fann vi en handfull uppslagsord på varje bokstav som inte följde
alfabetiseringen, se t.ex. gejser som placerats före geisha. Vi upptäckte också ett märkligt tryckfel.
Uppslagsordet kläder (spalt K 1476) är feltryckt, men endast i vissa exemplar där det står klader.
Alla exemplar är dock tryckta samma datum.

22
När taggningsarbetet är klart kommer man att kunna ta fram intressant statistik över betydelsehierarkiernas
djup och omfång, vilket bör visa på hur betydelseanalyserna har varierat
genom åren. Enligt Sigurd (Allén et al. 1986, s. 183) finns det fler betydelsevarianter
i de senare banden.
Sammansättningar
Sammansättningar behandlas i s.k. sammansättningsramsor. Ramsorna består av underordnade
artiklar, som i stort sett har samma struktur som huvudartiklarna men som oftast
innehåller mycket mindre information. Sammansättningarna kan dock i vissa fall ha
väldigt omfattande betydelseanalyser, se t.ex. ramsorna under artiklarna o- och re. Sammansättningar
med omfattande betydelseanalyser kan i vissa fall stå som egna huvudartiklar.
Det finns då en hänvisning från deras alfabetiska plats i ramsan till huvudordet.
Det är tydligt att kriterierna för huruvida en lexikaliserad sammansättning skall utgöra
en egen huvudartikel eller inte varierar kraftigt genom åren. Ca 14 200 sammansättningsramsor
har taggats hittills. Sammansättningsramsans början taggas:
Ca 360 000 sammansättningsartiklar har taggats hittills. Sammansättningsartiklarnas
början taggas:
Sammansättningarnas förled redovisas endast i den första sammansättningsartikeln i
ramsan. Förleden taggas:
SIDEN-
Efterleden i respektive sammansättningsartikel taggas:
-TYG
För att man skall kunna söka på sammansättningarna måste efterleden förses med en expanderad
form, där både förled och efterled finns med:
-TYG
Varianter i sammansättningsfogen redovisas på två olika sätt i SAOB, vilket får konsekvenser
för sökningen. Det ena sättet är att redovisa varianterna i åtskilda sammansättningramsor.
I varje ramsa finns då ett förled och ett antal efterled. Under artikeln salt
finns följande ramsor.
A: SALT-ACCIS, -AG,..., -ÖVERDRAG
B: SALTE-BALJA, -BLOMMA,...,-TUNNA
C: SALTO-LÖSA
Enligt det andra sättet redovisas variationen i samma ramsa. Det finns då flera förled vid
den första sammansättningen i ramsan. Under artikeln saltsyra finns varianterna
saltsyre- och saltsyra-.
SALTSYRE- äv. (i fackspråk) SALTSYRA-AVSÖNDRING
Varje sammansättningsartikel måste då förses med två expanderade former.
-FABRIK

23
Beskrivningen av sammansättningsramsorna kompliceras av att sammansättningsartiklarna
i sig också kan innehålla sammansättningsramsor. Dessa kallas sekundära sammansättningar,
som t.ex. gängskärningsmaskin som bildats till sammansättningen
gängskärning. Sammansättningsartiklar kan också innehålla avledningsramsor. Det omvända
förhållandet gäller också, d.v.s. avledningsartiklar kan innehålla sammansättningsramsor.
Beskrivningen i ramsorna är alltså också hierarkisk även om vi inte har
belägg för fler än två nivåer.
Vi har tagit fram ordlistor över alla sammansättningar i SAOB och lagt ut dem på Internet.
Sammansättningarna är sorterade på efterled och för varje sammansättning ges
en spalthänvisning.
Särskilda förbindelser
I artiklar som behandlar verb finns ramsor med s.k. särskilda förbindelser, vilket i de flesta
fall är detsamma som partikelverb. Ca 2000 ramsor med särskilda förbindelser har taggats
hittills och ca 9 400 artiklar med särskilda förbindelser.
Ramsans början taggas:
Varje förbindelseartikel inleds med:
De särskilda förbindelserna kan omfatta former med upp till tre partiklar, som t.ex. raska
sig i väg eller danka af och an. Grundordet och partiklarna taggas som i exemplet:
KLÄMMA IHOP
DANKA AF OCH AN
Det är mycket vanligt med variantformer av partiklarna, t.ex. klämma ihop l. tillhop l.
hop. Strukturen kan bli ganska snårig eftersom annan information, t.ex. uttals- eller bruklighetsuppgifter,
kan vara insprängd mellan varianterna. Förbindelseartiklar med variantformer
måste förses med expanderade former av samtliga varianter för att man skall
kunna söka på dem, t.ex.
Carl-Erik Lundbladh (1992) skriver i sin handledning att det finns ett 60-tal olika verbpartiklar
med variantformer, som redovisas i de särskilda förbindelserna. Vi har hittat
sammanlagt drygt 150 olika partiklar i de särskilda förbindelserna. Många av dessa är
dock stavningsvarianter. Vi har också hittat belägg på partiklar som enligt Lundbladh
inte skall finnas med i ramsorna. 1
En ordlista över alla särskilda förbindelser finns också tillgänglig på Internet. Förbindelserna
är sorterade på den första partikeln i förbindelsen.
Avledningar
Avledningarna behandlas också i ramsor. Drygt 9 000 avledningsartiklar har identifierats.
Under bokstaven A och C som skrevs innan principerna var fastlagda, finns inga avledningsramsor.
Avledningarna behandlas då i huvudartiklar.
1.dansa baklänges, gå baklänges, rida baklänges, rusa baklänges, rygga baklänges, gripa fatt, hinna
fatt, hitta fatt, hugga fatt, nappa fatt, rida fatt, befalla hem, dimittera hem, eskortera hem, följa hem,
föra hem, gå hem, hitta hem, kalla hem, komma hem, ledsaga hem, runka hem, giva hit, räcka hit

24
Avledningsramsans början taggas:
Varje avledningsartikel taggas:
Själva avledningen taggas:
RÄVAKTIG
Synen på vad som utgör sammansättning eller avledning har varierat under åren. Under
bokstäverna A–D behandlas -aktig som efterled i sammansättning, t.ex. buffelaktig. Under
E–P vacklar synen på -aktig. Vissa ord behandlas som avledningar, t.ex. gåsaktig,
medan andra behandlas som sammansättningar, t.ex. hönsaktig. Fr. o.m. bokstaven R behandlas
-aktig konsekvent som avledningsändelse. Vi har inte studerat variationen mer
ingående, men variationen verkar inte vara relaterad till olika betydelser hos -aktig, utan
är möjligen beroende av vilken redaktör som behandlat ordet. 1 När man utarbetar sökrutiner
för SAOB måste man ta hänsyn till den bristande konsekvensen i ordboken och göra
det möjligt att söka bland samtliga behandlade ord. Exemplen ovan torde visa på att det
inte alltid är lätt att avgöra om man skall leta efter ett visst ord bland huvudorden, sammansättningarna
eller avledningarna.
Vi har tagit fram finalalfabetiskt sorterade listor över alla avledningar i SAOB. För varje
avledning anges under vilket huvudord och i vilken spalt den står.
Sekundärstrukturen – kött på benen
Efter att primärstrukturen var etablerad, återstod arbetet med att identifiera de resterande
informationskategorierna och knyta dem till det strukturella skelettet. Med hjälp av
olika sorteringsverktyg kunde högerkontexten för de lexikaliska enheterna analyseras. De
typografiska mönster som var särskilt frekventa framträdde i sorteringen. Mönstren beskrevs
som reguljära uttryck och implementerades i Perl. Vi använde oss i detta läge av
kontextuell information, både av en större kontext och den omedelbara vänsterkontexten.
Den större kontexten utgjordes av en teknisk uppdelning av artiklarna.
• Huvudet (den formella delen) – all text emellan ett huvudord och det första betydelsemomentet
• Betydelsbeskrivningar (den semantiska delen) – all text emellan ett visst betydelsemoment
och nästa betydelsemoment
• Underartiklar – all text emellan en sammansättning, avledning eller särskild förbindelse
och nästa sammansättning, avledning eller särskild förbindelse.
Vissa informationskategorier, som t.ex. definitioner och språkprov, förekommer endast i
betydelsebeskrivningarna eller i underartiklarna, medan andra endast förekommer i huvudet.
Huvudet är den del av SAOB som är svårast att tagga automatiskt. Det är också den
del av artiklarna som är mest obearbetad hittills. De informationskategorier som endast
ingår i huvudet behandlas därför relativt översiktligt här. För en automatisk analys ter
sig huvudet som en härva av enstaka bokstäver, punkter, komman och stilkoder. Huvudet
1.Detta framkom vid tillfället för en disputation i nordiska språk vid Uppsala universitet (Gunvor
Nilsson. Aktig-ord förr och nu. En historisk–semantisk studie av aktig-avledningar i svenskan,
Uppsala univ. 1993), då en sökning gjordes på begäran av opponenten Martin Gellerstam. I grova
drag överensstämde resultatet av sökningen med respondentens manuella excerpering, men vi fann
ett antal ord som inte kommit med i den manuella excerperingen. På grund av vissa tekniska
komplikationer saknades också några aktig-ord i sökningsresultatet, vilka å andra sidan fanns med
i den manuella excerperingen.

25
innehåller uppgifter om uttal, genus, ordklass, böjning, formvarianter och etymologi. Uttalsuppgift
är obligatorisk, såvida inte ordet är dött. Genusuppgift är obligatorisk för substantiv
och ordklassuppgift är obligatorisk för alla andra ordklasser. Formvarianter i den
s.k. formparentesen är optionella uppgifter. De etymologiska uppgifterna är obligatoriska.
För verb ges också information om verbalsubstantiv i huvudet.
Vi började med att tagga betydelsebeskrivningarna och underartiklarna. De är idag relativt
genomarbetade. Enligt vår bedömning är flertalet bruklighetsuppgifter, definitioner
och språkprov i betydelsebeskrivningarna och underartiklarna idag identifierade.
Tabell 2: tagguppsättning för sekundärstrukturen
starttagg sluttagg beskrivning
uttal
genus
ordklass
böjning och formvarianter
etymologi
bruklighet
definition
språkprov
citat
källuppgift – författare
källuppgift – verk
källuppgift – beläggställe
källuppgift – årtal
källuppgift – tidsintervall
källuppgift – kommentar
Uttal
Uttalsuppgifter finns både i huvudet och i betydelsebeskrivningen. I huvudet kommer uttalsuppgifterna
alltid direkt efter uppslagsordet, om inte ordet är dött. Det kan också förekomma
i andra delar av huvudet, vid uppgifter om genus, böjning eller formvarianter. I
betydelsebeskrivningen förekommer uttal endast om uttalet för en viss betydelse avviker
från uttalsuppgiften i huvudet. I ramsorna består uttalsuppgiften endast av siffror som
anger tryck. Uttalsuppgifterna taggas exempelvis:
Mak1iaväl4isk
04
Uttalsinformationen är svårtaggad. Det beror främst på att den innehåller många fel från
den optiska inläsningen – det är många svåra tecken och upphöjda siffror som skall tolkas.
Det är också svårt att korrekturläsa uttalsuppgifterna. Sammanlagt har ca 70 600 uttalsuppgifter
taggats.

26
Artiklar av typen piemontesare (se sidan 19) är komplicerade vad gäller uttalet. Där
kan uttalsuppgiften bygga på föregående artikels uttalsuppgifter, så att endast en del av
uttalet redovisas, se t.ex. regulation och regulativ. Det har sannolikt gjorts för att spara
plats.
Genus
Genusuppgifterna är tämligen svåra att identifiera. De är väldigt komprimerade och kan
lätt förväxlas med andra typer av information. Enstaka bokstäver varvas med punkter och
komma, t.ex. m., f., r., n. och ig., och även med källuppgifter och bruklighetsuppgifter. Vid
taggningsarbetet har vi utgått från de listor över genusförkortningar som finns i handledningarna.
Ca 19 600 genusuppgifter har taggats hittills. Här återstår alltså en hel del arbete.
Ordklass
Ordklassuppgifterna består oftast enbart av en förkortning, t.ex. v., adj., adv., interj.
Förkortningarna finns listade i handledningarna. Det är svårt att tagga ordklassuppgifterna
eftersom de lätt förväxlas med samma förkortningar i andra positioner, t.ex. i korshänvisningar
som se BACKA v. För substantiv ges ordklassuppgift endast om det finns
homografer. Då står förkortningen tillsammans med ett homografnummer, som exempelvis
sbst. 1 , sbst. 2 . Ca 13 900 ordklassuppgifter har taggats, enligt nedanstående modell:
adj.
Böjning
Böjninguppgifterna är obligatoriska. De har oftast en relativt stringent form och är därför
lätta att identifiera. I större artiklar finns emellertid källuppgifter och bruklighetsuppgifter
som bryter mönstren. Ca 19 900 böjningsuppgifter har taggats.
best. -en pl. -ar.
Formparentesen
I formparentesen redovisas vissa stavningsvarianter och andra formvarianter. Formparentesens
början taggas:
Exemplet nedan är hämtat från artikeln demolera. Här anges att demoliera är en variantform
till huvudordet och att varianten är belagd i RP och i Sahlstedt 1769 (se källförteckningarna).
demoliera RP, SAHLSTEDT 1769
Källuppgifter i formparentesen är vanligare i de första banden av SAOB. I de senare banden
anges för det mesta endast tidsintervall för beläggen, som i exemplet hämtat från artikeln
rasenhet.
rass- 1619–1698

27
Etymologi
Etymologin utgör slutet på huvudet och är obligatorisk där. Den kan också förekomma i
betydelsebeskrivningen och underartiklarna om dessas etymologi avviker från den i huvudet.
De etymologiska uppgifterna är lätta att identifiera, eftersom de står inom klamrar. I
citaten förekommer också klamrar vid emendation, men de är lätta att skilja ut eftersom
emendationerna endast innehåller enstaka tecken. Etymologierna taggas:
jfr t. magisterschaft
Sammanlagt ca 101 000 etymologier har taggats. Ambitionen är att också tagga språk och
utländska ord i etymologierna, enligt följande exempel.
jfr t. magisterschaft
Rudolf Rydstedt diskuterar etymologierna i SAOB på sidan 67 och framåt.
Bruklighet
Bruklighetsuppgifter kan förekomma nästan var som helst i artikelstrukturen. De är vanligast
i betydelsebeskrivningen, där de kommer omedelbart efter momentbeteckningen.
Vissa bruklighetsuppgifter anges inom parentes, nämligen uppgifter om ordet i fråga har
inskränkt bruklighet i det allmänna språket eller en speciell stilprägel. Om ordet är fackspråkligt
anges däremot detta i kursiv. Om båda typerna av bruklighetsuppgifter förekommer
samtidigt så kommer fackbeteckningen sist.
Vi har använt oss av listor över vanliga bruklighetsbeteckningar, som har hämtats från
handledningarna. Den ena listan omfattar ett hundratal vanliga stilangivelser och uppgifter
om inskränkt bruklighet i det allmänna språket, exempelvis †, numera mindre br. och
i högre stil.
Dessa bruklighetsangivelser står alla inom parentes i texten. Den andra listan omfattar
över tvåhundra olika fackbeteckningar som också hämtats från handledningarna, t.ex.
adm. (=administrativ term), ekon. (= ekonomisk term), skom. (= skomakarterm). Vi har
dessutom kompletterat denna lista med några ämnesbeteckningar som vi hittat i SAOB,
men som inte finns med i förteckningarna. 1 Bland fackbeteckningarna finns stavningsvarianter,
t.ex. väfn. och vävn. (= vävnadsterm). Det finns också andra varianter, som t.ex.
paleont. och paleontol. (= paleontologisk term). Dessa varianter bör så småningom normaliseras.
Vissa fackbeteckningar som inte används längre, t.ex. tonk. (= termer inom tonkonsten),
bör bytas ut mot den nuspråkliga beteckningen, i detta fall mus. (= musikterm).
Sammanlagt har ca 167 000 bruklighetsuppgifter taggats. Av dessa är knappt 40 000
fackbeteckningar. Fackbeteckningarna taggas:
ekon.
Övriga bruklighetsuppgifter taggas:
(numera mindre br.)
Vi har tagit fram listor över alla facktermer. Termerna är sorterade kronologiskt inom respektive
ämnesområde. Även dessa finns tillgängliga på Internet.
1.Ämnesbeteckningar som inte finns med i förteckningarna: bärgv., fyrv., jordbr., kirurg., kyrkl.,
min., repsl., sjökrigsv., smed. och stil.

28
Definitioner
I SAOB läggs stor vikt vid betydelsebeskrivningarna. De är mycket utförliga och det är
inte ovanligt att de omfattar 10 till 20 rader. De består oftast av flera delar, med olika typer
av definitioner och synonymer. Det finns ingen möjlighet att inom projektets ram göra
en analys av definitionerna, utan ambitionen har varit att avgränsa dem mot omedelbart
föregående och efterföljade information. Här följer två exempel på taggade definitioner
hämtade från artiklarna labiolog respektive demimonde.
person som är kunnig l. fackman i labiologi.
benämning på den af urspårade l. komprometterade individer i en
storstad bestående klass af (i sht) kvinnor som söker efterlikna
’societetens’ seder o. uppträdande; numera vanl. (med försämrad klang)
om de fallna (l. åtm. moraliskt tvifvelaktiga) kvinnornas klass,
försåvidt de söka bevara skenet af fint o. elegant uppträdande; stundom
allmännare: de prostituerades klass öfverhufvud; jfr HALF-VÄRLD.
Den stora svårigheten här var att hitta gränsen mellan definitionen och efterföljande information,
d.v.s det första språkprovet. Den optiska inläsningen skiljer inte på de två stilarna
som används för definitioner respektive språkprov. Gränsen mot första språkprovet
har därför taggats manuellt, vilket naturligtvis krävde en stor arbetsinsats.
Språkprov
Språkproven består oftast av ett citat och en källhänvisning. Första belägg anges ofta bara
med en källhänvisning. Detsamma gäller språkprov i ramsorna. Källhänvisningen består
i sin tur av författarnamn eller översättares namn; boktitel eller liknande i förkortad form,
sidangivelse eller annan precisering av textställe; uppgift om vilket år verket är tryckt,
skrivet eller utgivet. När det står två årtal anger det sista årtalet källans utgivningsår och
det första daterar verkets tillkomst så nära som möjligt. Här följer två typiska modeller
för språkproven. De är hämtade från artiklarna räkna och boman.
Hvems lott blef det väl att få räkna blott glada dagar RUNEBERG ESkr.
2: 303 (1852).
Bomans flickor trådde dansen på det punschfläckade bordet. Tidn. f. idr.
1897, s. 352.
Vi var tvungna att skapa ytterligare stödjepunkter för att tagga språkproven. Efter många
provtaggningar hittade vi en relativt säker utgångspunkt. Årtalen i språkprovens källangivelser
står ofta inom parentes, se t.ex. det första språkprovet ovan, vilket gör att man
kan skilja dem från källuppgifter i huvudet.
Först taggades årtalen. Som årtal betraktades alla följder av fyra siffror, där den första
var en etta, den andra en siffra mellan 5 och 9; och den tredje och fjärde en siffra mellan
0 och 9. Vi fick visserligen med en del sifferkombinationer som inte var årtal, t.ex. spaltnummer
mellan 1500 och 1999 i uppslagsverk. Detta kunde dock korrigeras i ett senare
skede. Ca 1 160 600 årtal är taggade hittills. De enkla årtalen taggas:
1521
Det finns många andra typer av tidsangivelser i SAOB, men de beskrivs inte här eftersom
vi följer TEI:s rekommendationer för att tagga datum. En vanlig typ kan nämnas, nämligen
tidsintervall:
1855–1856

29
Efter att vi taggat årtalsupgifterna lade vi in en temporär tagg som markerade en sannolik
gräns mellan två språkprov. Med utgångspunkt från årtalet sökte vi oss så baklänges i
språkproven för att identifiera textställe, titel och författare. Det var relativt enkelt att
särskilja dem eftersom de har olika typografisk karaktär. Ca 634 600 författarnamn har
taggats enligt nedanstående exempel:
STRINDBERG
Ca 457 700 titlar (förkortningar) har taggats enligt nedanstående mönster. Förkortningen
SD(A) i exemplet står för Stockholms dagblad.
SD(A)
Ca 527 100 sidhänvisningar och andra hänvisningar till textställen har taggats. Exempel:
2: 19
nr. 5, s. 89
Övriga tillägg och upplysningar i källhänvisningen taggas:
Bib. 1917: de stilla i landet
skolpojksuttryck fr. Uppsala
Allt text mellan gränstaggen och påföljande källhänvisning betraktas som citat och taggas
(språkprov från artikeln malm):
Pröffue edher sielffue, och grant tilsee hwadh Malm j ären,
fördömda Syndare ären j. PHRYGIUS (1615)
De förklarande tilläggen (redaktionell text) i citaten taggas som exemplet nedan
(från artikeln mallig).
Nu har prästen blivit mallig i pipen, sade.. (målargesällerna)
på sitt språk. WÄGNER (1921)
Vi har vid några tillfällen gjort specialundersökningar på uppdrag av olika forskare och
tagit fram språkprov från individuella författare, t.ex. Hedvig Charlotta Nordenflycht och
Andreas Arvidi, och från enskilda verk som t.ex. Serenius ordböcker (se "OSA-databasen
i praktiken" på sidan 59 och framåt.). Resultaten av dessa undersökningar visar klart på
att det finns en stor variation i källhänvisningarna och att man måste normalisera både
författarnamn och titlar för att kunna söka på dem.Författarnamn kan variera. Laurentius
Petri skrivs i de första delarna L. PETRI, men senare sammanskrivet LPETRI. Det är
också mycket vanligt med varianter på titlarnas förkortningar. Exempelvis förkortas August
Strindbergs Bland franska bönder både som FrBönd., vilket överensstämmer med
källförteckningen och som Franska bönd. Detta är naturligtvis trivialt för en mänsklig läsare,
men ställer till problem vid sökningen. För att komma undan sådana problem bygger
vi upp en biografisk databas över varianter. Databasen bygger på SAOB-redaktionens bibliografiska
databas. Uppbyggaden av databasen beskrivs mer utförligt av Sofie Johansson
Kokkinakis i denna rapport (se “Bibliografisk databas” på sidan 37 och framåt.). Hittills
har vi endast använt databasen för att ta fram listor över författarnamn, vilka har använts
vid den automatiska taggningen. Vi kommer relativt snart att börja kontrollera alla källangivelser
automatiskt mot informationen i databasen. Fördelarna med en sådan kontroll
är följande.
• Man kan göra en automatisk korrekturläsning av titlar och namn på författare.
• Man kan identifiera variantformer av titlarna och författarnas namn. Databasen
uppdateras allt efter som man hittar nya varianter.
• Man kan avgöra om osäkra avstavningar i författarnamn och titlar skall tas bort el-

30
ler inte. Bindestrecket skall t.ex. behållas i STURZEN-BECKER (Sturzen-Becker),
medan det skall tas bort i STURZEN-BECHER (en annan författare vid namn
Sturzenbecher).
• Man kan göra en automatisk korrekturläsning av årtalen i källhänvisningarna. Här
finns dock många stötestenar.
• Man kan tillföra ytterligare information om källorna, eftersom det finns uppgifter
om t.ex. genre och kön i den bibliografiska databasen. Detta kan utnyttjas i sökningen,
så att man t.ex. kan söka efter språkprov från 1750–1800 från enbart kvinnliga författare.
Normaliseringen av titlarna kan göras på olika sätt. Som nämnts ovan anser jag att man
absolut bör undvika att ändra i själva texten. Ett bättre sätt är att lägga den normaliserade
formen i ett attribut, t.ex. enligt nedan. Ett annat alternativ är att först söka i den
bibliografiska databasen, för att sedan söka i själva SAOB-databasen.
Franska bönd.
FrBönd.
Statistik över språkproven
För att visa på vilken typ av undersökningar som blir möjliga när materialet är färdigstrukturerat
gjorde vi en liten undersökning av språkprovens fördelning över tiden. Underlaget
hämtades från bokstaven K och omfattade språkprov från ca 19 000
betydelsemoment. Alla bokstäver i SAOB har dock sina speciella egenskaper och man kan
säkerligen inte dra några långtgående slutsatser utifrån denna delundersökning.
Vi skapade emellertid en databas över detta material, men tog endast med språkprovens
årtal. Vi kunde sedan ta fram ett antal diagram som visade på hur språkproven fördelas
över tiden. Figur 1 visar språkproven fördelade på 25-årsperioder. Här kan man t.ex.
se att antalet språkprov från perioden 1525–1549 är mer än dubbelt så många som under
perioden 1550–1574. Ett påpekande måste göras angående stapeln 1925–1949. Eftersom
de sista delarna av bokstaven K trycktes 1939 så representerar den endast språkprov mellan
1925 och 1939. Stapeln 1950–1974 måste också kommenteras. Då undersökningen
gjordes för några år sedan fanns det fortfarande en del uppgifter som felaktigt taggats som
årtal, t.ex. spaltnummer i uppslagsböcker. Detta har nu rättats till.
Figur 1. Språkprovens fördelning på 25-årsperioder

31
Figur 2 visar ett diagram över hur språkproven från perioden 1900–1924 fördelas på enskilda
år. Här är det möjligt att se hur excerperingen av källor från vissa år dominerar,
t.ex. år 1917. Det är möjligen 1917 års bibelöversättning som ger detta genomslag. Antalet
källor från år 1917 är ca 200, enligt sökningen i den bibliografiska databasen. Som en jämförelse
kan nämnas att det finns 180 källor från 1916 och 234 från 1918. Det verkar alltså
inte finnas något direkt samband mellan antalet språkprov och antalet källor.
Litteratur
Figur 2: Språkprov 1900–1924
Allén, S., Loman, B. & Sigurd, B. 1986. Svenska Akademien och svenska språket.
Stockholm.
Berg, D.L., Gonnet, G.H. & Tompa, F.W. 1988. The New Oxford English Dictionary Project
at the University of Waterloo. UW Centre for the New Oxford English Dictionary,
OED-88-01.
Blake, G.E., Consens, M.P., Kilpeläinen, P., Larson P.-Å., Snider, T. & Tompa, F.W. 1994.
Text/Relational Database Management Systems: Harmonizing SQL and SGML. I
Applications of Databases Proc. (ADB-94), Vadstena. pp.
Burnard, L. & Speerberg-MacQueen. C.M. 1994. Guidelines for Electronic Text Encoding
and Interchange (TEI P3).
Handbok för redigeringen av Svenska Akademiens ordbok. 1904. Utarbetad av Ernst
Kock.
Handbok för redigeringen av Svenska Akademiens ordbok. 1993. Utarbetad av Hans
Jonsson.
Kazman, R. 1986. Structuring the text of the Oxford English Dictionary through finite state
transduction, Master Thesis, CS-86-20, University of Waterloo.
Kreyt, J. G. & van der Voort van der Kleij, J. J. 1992–93.Towards a Computerised
Historical Dictionary of Dutch. In Acta Linguistica Hungarica, Vol. 41.
Kring en ordbok. Festskrift till Sven Ekbo. Stockholm (1975; Sv. Ak. handl.: Norstedts)
Lundbladh, C.-E. 1992. Handledning till Svenska Akademiens ordbok. Lund.

32
Malmgren, S.-G. 1988. The O.S.A project: Computerization of the Dictionary of the
Swedish Academy. In Literary and Linguistic Computing 3: 166–8.
Ordbok över svenska språket, utg. av Svenska Akademien. (Svenska Akademiens ordbok.)
1893 –. Lund.
The Oxford English Dictionary. (OED). 1888–. Oxford.
Rydstedt. R., Creating a Lexical Database from a Dictionary. 1988. In Studies in
Computer-Aided Lexicology. Göteborg.
Salminen, A. & Tompa, F.W. 1994. PAT expressions: an algebra for text search. I Acta
Linguistica Hungarica 41, 1–4 1994, 277–306.
Svenska Akademiens ordbok (SAOB). 1896–. Lund.
Svensson, L., Hansson, I. & Ruthström, B. (red.) 1993. Ord och lexikon. Festskrift till Hans
Jonsson. Lund 1993.

33
Lena Rogström
Taggning i praktiken – en personlig reflektion
Efter att i många år ha arbetat med olika delar av OSA-databasens struktur, huvudsakligen
manuellt, har jag haft anledning att reflektera över ordbokens brister och förtjänster.
Den intressanta sidan med att tagga material manuellt är just att man kommer ordboken
så ”in på livet”. När man suttit och korrekturläst, taggat och kontrollerat artiklar i ett
oändligt antal timmar har man skaffat sig ett livslångt förhållande av högst personlig art
till materialet; ett förhållande som oftast givit många insikter av såväl språkvetenskaplig
som allmänbildande karaktär. Emellanåt får man också anledning att fundera över redaktionens
humoristiska ådra när man betänker valet av språkprov. Följande två exempel får
tala för sig själva:
Wårt språk (är) så regelbundit, och så faststelt, at thet kan.. biuda
alla språk..foten. SWEDBERG SabbRo 2: Föret. s. 15 (1712).
Ungdomliga lärjungar inbilla sig .. gärna, att språksvårigheterna lätttare
övervinnas med större ordböcker. PedT. 1943 s. 226
Dessa sidor innehåller en del av de reflektioner jag gjort under taggningen av delar av
OSA-materialet. De är kanske inte alla av vetenskaplig art, men säger förhoppningsvis en
del om hur arbetet går till och en del om SAOB:s kvaliteter.
I OSA-databasen markeras de olika innehållskategorierna unikt för att datorn skall
kunna hitta dem. Till stor del kan detta göras maskinellt (se “SGML-taggning av SAOB”
på sidan 15 och framåt.i denna skrift) men vissa partier måste taggas manuellt. Ett sådant
fall är taggningen av förstabeläggen i språkproven. Dessa är av stort intresse för ordboksanvändaren
och det är väsentligt att de markeras korrekt.
Tyvärr kan de vara svåra att urskilja maskinellt eftersom inläsningsprogrammet inte
gjort någon åtskillnad på stilen och textstorleken för brödtext och autentisk språkprovstext.
I den tryckta texten ser man tydligt vad som är definitioner, redaktionella exempel
och autentiska språkprov, men i den maskinläsbara versionen är detta inte lika
tydligt. Skillnaderna mellan stilarna syns inte direkt på skärmen utan markeras endast
med taggar, dessutom ganska ofta felaktiga sådana. Vid inläsningen har datorn haft problem
med att avgöra var definitioner och redaktionella språkprov slutar och autentiska
språkprov börjar. Av den anledningen måste man gå in och utföra den delen av taggningen
manuellt.
I arbetet med förstabeläggen har jag haft anledning att reflektera över ordbokens
språkprov, som ju utgör själva grundvalen för hela arbetet. Det kan ju tyckas som ett enahanda,
tidskrävande arbete att kontrollera vad som är ett förstabelägg eller inte, inte
minst för att man antas behöva jämföra med den tryckta ordboken varje gång. Så är dock
inte fallet.
Faktum är att när man sitter och taggar förstabeläggen manuellt övar man snabbt upp
en känsla för vad som är ett autentiskt språkprov och vad som är redaktionella exempel
respektive en del av definitionen. Det är ytterst sällan man behöver konsultera den tryckta
texten för att kontrollera sina intuitioner, något som borde borga för ordbokens goda
kvalitet och omdömesgilla urval av typiska språkprov. Sett ur en ”taggares” synvinkel är
det framför allt en fördel att arbetet går snabbare om man främst behöver bry sig om databasens
text.
Vid de tillfällen då man inte kan använda stilen för att avgöra vad som är vad i databasen
kan man ändå på ett förhållandevis enkelt sätt avgöra var det första autentiska beläg-

34
get finns. Är man någorlunda kunnig i svenskans språkliga historia kan man ofta på rent
kronologiska grunder avgöra om ett språkprov är äldre än den redaktionella texten eller
inte, framför allt vad beträffar stavning.
Den språkliga formen
Bokstaven R började tryckas 1956 och har redaktionell text som stavas enligt moderna
principer. Därför är det enkelt att avgöra att följande exempel måste vara autentiskt enbart
på grundval av stavningen.
Man kan döma hvad tillopp och vördnad han vann .., när han, oaktadt
penningars rarhet den tiden, för en enda messa fick siuttio marker ..
silfver. DALIN Hist. 2: 13 (1750).
I belägget förekommer dels stavning med initialt hv för v-ljudet, en stavning som är sällsynt
förekommande i SAOB:s redaktionella text. Principen att stava neutrala perfekt particip
med slutljudande d som dt hade också frångåtts 1956, och stavningen messa för det
moderna mässa hjälper också till att urskilja språkprovet på rent åldersmässiga grunder.
Trooheet bland Legehion är en stoor raritet.GRUBB 121 1665.
I citatet från Grubb används bl.a. dubbeltecknad vokal för långt vokalljud, en stavningsprincip
som försvann redan under 1700-talet. Även stavningen av j-ljudet (hion) är ålderdomlig
och tyder på att texten kommer från 1600–1700-talet.
Innehållet i språkproven
Ofta har man också stor hjälp av själva innehållet i språkproven. Man kan relativt säkert
avgöra vilka språkprov som är autentiska enbart på innehåll och ordval, om de formella
kriterierna inte hjälper till. Följande exempel får illustrera påståendet:
Hans hustru är en riktig raring, med ljust hår och smilgropar.
ÅKERHIELM Webster Fiende 98 1927.
I princip skulle man kanske kunna tänka sig att någon skrev ovanstående citat i akt och
mening att ha det som redaktionellt språkprov i SAOB. Något i ordvalet säger oss dock att
en modern ordboksredaktion förmodligen skulle tveka inför beslutet att använda det som
redaktionell text. Som autentiskt språkprov är det dock utmärkt.
I nedanstående språkprov citeras två personnamn vilka är så pass ovanliga att de förmodligen
inte skulle väljas till ett redaktionellt språkprov.
Tannström är rasande på Agardh. LILJECRONA Riksd-Kul. 166 1840.
I följande exempel är språkprovet också såpass konkret, genom omnämnandet av en speciell
fågelart, att man på ganska goda grunder kan anta att det är autentiskt.
Den raritet bland fåglar som bär namnet dubbelbeckasin. ROSENIUS Jakt
1: 100 (1912).
Sammanhanget språkprov – källa
Ganska ofta kan man direkt koppla innehållet i ett språkprov till en bestämd författare.
När en person som Sven Dufva figurerar i ett språkprov (i detta fall supplerat) kan man
på ganska goda grunder anta att det är Runeberg som är upphovsman, varvid språkprovet
givetvis är autentiskt.
(Sven Duva) Fick vara dräng, der man höll rast, soldat der striden
brann. RUNEBERG 2: 52 1846.

35
Tveksamma fall
Följande exempel visar på sådana fall då jag varit tvungen att konsultera SAOB för att få
svar på vad som är redaktionellt eller inte. Man skulle kunna tänka sig att det autentiska
språkprovet endast består av en källhänvisning efter ett redaktionellt språkprov.
Avregistrerat motorfordon. SFS 1940 s. 1733.
Det raskar mot höst. BLOMBERG Landk. 5 1922.
Glänsande, rasslande siden. BENEDICTSSON FruM 59 1887.
Gemensamt för alla språkproven (som är autentiska) är att de är så knapphändiga och allmänt
hållna att det inte finns något speciellt att identifiera dem med vad beträffar stavning,
innehåll etc.
I exemplet nedan förefaller innehållet i språkprovet vara för modernt jämfört med källhänvisningens
ålder. Visserligen fanns det bomber redan under 1700-talet, med frågan är
om de användes för att bomba städer med. Ortografin förefaller dessutom väl modern för
ett autentiskt 1700-talsexempel, vilket det alltså inte är.
Han begravdes under raset, när bomben träffade huset. BERGMAN Jordkl.
1:220 1773.
Följande exempel är ett redaktionellt exempel där kursiven fattas, men av innehållet att
döma skulle man kunna tro att det var autentiskt eftersom det stämmer väl överens med
källhänvisningen.
Skjuta med revolver. KrigVAT 1852, s. 99.
Sammanfattning
Ovanstående redogörelse visar i mångt och mycket på ett tillvägagångssätt som i stora
stycken kan sägas vara intuitivt. Man har en ”känsla” för vad som är rätt eller fel; en känsla
som arbetats upp genom ett långt arbete med ordboken och som man litar på utan att
djupare reflektera över vari den bottnar. Naturligtvis grundas inte taggningsarbetet på
medarbetarnas oreflekterade intuitioner inför materialet, men var och en som arbetat
länge med ett material får till slut en sådan kännedom om det att man ofta kan avgöra på
förhand vad en viss kategori representerar. Och denna kännedom kan utnyttjas som ett
komplement till de mer teoretiska, rationella metoderna som arbetet huvudsakligen bygger
på.
Just det faktum att man utan konkreta hållpunkter kan avgöra vilka språkprov som är
autentiska och inte i SAOB, visar att urvalet av språkprov i ordboken bygger på välgrundade
kriterier som urskiljer ”verkligt” språk gentemot konstruerade exempel.

37
Sofie Johansson Kokkinakis
Bibliografisk databas
Uppbyggnad och koppling till SAOB
Den bibliografiska databas över källförteckningar i SAOB som finns på Språkdata vid Göteborgs
universitet bygger på den bibliografiska databas som Lars Svensson på Ordboken
i Lund har byggt upp. Detta gjordes genom att sätta ihop material från tre olika källförteckningssamlingar,
”Källförteckning av Sigrid von Greyertz”, ”Källförteckning, supplement
1 av Gulli Starfelt-Brown” och ”Källförteckning, supplement 2 av Lars Svensson”. De
representerar bibliografiskt material från tidsperioderna 1939, 1975 och 1975–1990, respektive.
De två första samlingarna är tryckta och har scannats in och den tredje materialsamlingen
som bygger på excerperade texter finns inte i tryckt format utan endast i
databasform.
Sökning i den bibliografiska databasen
För att kunna söka på viss information i databasen har vi i Göteborg utvecklat utsökningsrutiner
vilka kan användas i ett gränssnitt på World Wide Web (WWW). Sökningar kan
göras med hjälp av ”navigeringsverktyg” (eng. browsers) för WWW, som t.ex. Netscape eller
Mosaic. Dessa sökningar kan för närvarande göras på författarefternamn, källtitel, förkortning
av källtitel och sökord. Nu pågår arbete med att skapa sökningsmöjligheter för
kombinerad sökning, där även sökning på tryckår kommer att ingå. Resultaten i sökningarna
varierar något genom att de ibland ger alternativ på resultat till sökningselementet.
Det innebär att vid vissa sökningar får en användare inte det slutgiltiga sökningsresultatet
omedelbart, utan en vidareutvecklig av sökningen. Detta sker t.ex. vid sökning på en
författare. Användaren ska då ange författarens efternamn och resultatet blir en lista med
alla författare med samma efternamn fast med initialer eller förnamn. På det sättet kan
en användare snabbt och lätt hitta rätt författare utan att veta den exakta stavningen av
förnamn eller initialer i förväg. Det slutliga resultatet består av källtitel, sökord, källreferens
och identifieringsnummer.
Nedan följer en närmare beskrivning av de sökningsrutiner som finns i dag:
Författarefternamn, ger en lista på författare med samma efternamn fast med förnamn
eller initialer, och antal verk angivna, för att underlätta en vidare sökning. Användaren
kan då välja den författare som stämmer med beskrivningarna i listan på efternamn.
Källtitel, ger en lista på verk som antingen börjar på ett visst ord eller har en viss titel.
Förkortning i källtitel, ger en lista av verk som i källtiteln innehåller den sökta förkortningen.
Användaren måste ange exakt stavning av förkortning.
Sökord, ger en lista på författare och verk som innehåller det givna sökordet.
I figur 1 visas gränssnittet på WWW till den bibliografiska databasen.

38
Figur 1: Gränssnittet på WWW till den bibliografiska databasen.
Figur 2 och 3 visar exempel på de resultat man kan få i en sökning på författarefternamn.
I en sökning på ”ANDERSSON” visas först en lista på alla ”ANDERSSON” som finns i databasen,
med initialer och antal verk som ges exempel från i SAOB, se figur 2.
Figur 2: Författarefternamn med initialer och antal verk.
Vid ett val av vidare sökning på ”ANDERSSON [CFG]”, visas en närmare beskrivning av
de verk författaren har skrivit, se figur 3.

39
Figur 3: Beskrivning av författare, verk, tryckort och tryckår.
Implementering
Den ursprungliga databasen som utvecklades av Lars Svensson på ordbokens redaktion i
Lund skapades i FileMaker Pro 2.1 under Macintosh operativsystem. Vidareutvecklingen
av databasen har sedan utförts i Göteborg under operativsystemet Unix med ett gränssnitt
på World Wide Web (WWW).
Den bibliografiska databasen innehåller information om författare, källtitel, tryckort,
tryckår, sortering, källförteckning, sökord plus diverse andra typer av information som
har insamlats vid ordboksarbetet i Lund. All information som lagts in i databasen i Lund
har nu överförts till databasen i Göteborg.
Själva bearbetningen och omarbetningen av materialet sker med hjälp av programmeringsspråk
som Perl (Practical Extraction and Report Language) och sed. Materialet lagras
i en delvis modifierad tabellform. Tabellformen bygger på den ursprungliga, men för
att möjliggöra vissa typer av sökningar och dessutom snabba upp sökningarna har tabellerna
kompletterats med annan information. Diverse utsökningsrutiner har sedan skapats
i databasfrågespråket SQL. Ett gränssnitt i Common Gateway Interface (CGI) har
skapats för att användare ska kunna göra sökningar genom WWW.
Kopplingsmöjligheter
De kopplingsmöjligheter som finns är de mellan befintliga författare och verk i artiklar i
SAOB och deras motsvarighet i databasen. Sammankoppling sker med de ovan beskrivna
sökningsrutinerna och det gemensamma gränssnittet på WWW. I Figur 4 visas en SAOBartikel
i gränssnittet på WWW.

40
Figur 4: Artikel ”ADAGIO” från SAOB på WWW.
En länk från en författare kan antingen ge en beskrivning av de verk författaren har producerat
eller en närmare beskrivning av det verk ett aktuellt uppslagsord förekommer i.
En länk från ett verk kan ge en beskrivning av verket som ett visst uppslagsord förekommer
i.
Den information som tidigare varit tillgänglig om författare och verk är ett kortare utdrag
av exempel på författare, verk, tryckort och tryckår.
Problem
I utvecklingen av den bibliografiska databasen i operativsystemet Unix, uppstod diverse
problem. Det var dels ”konsekvens”, dvs. olika sätt att beskriva t.ex. ”tryckort”, i materialet
från databasen i Macintosh-format och det var dels representation av materialet i en
annan form för att underlätta snabb sökning.
Eftersom databasen i Macintosh inte hade använts för att göra samma typer av sökningar
som nu var aktuellt, hade konsekvens i materialet inte tidigare varit ett problem.
Men för att kunna göra sökningar på t.ex. tryckår, blev det nu viktigt att bestämma hur
tryckårsinformationen skulle representeras. Det fanns ibland med annan information om
diverse upplagor som i och för sig är information som måste finnas med i tryckårsinformationen
men inte kan hanteras i en sökning på t.ex. vilka verk som trycktes mellan 1830
och 1840. Denna typ av information är viktig i sökningen. Den ursprungliga informationen
finns fortfarande kvar och det är fortfarande den information som användaren ser i resultatet
av en sökning.
Komplettering av materialet har utförts i databastabellerna som beskriver författare,
tryckår, källtitel, sökord och förkortningar på källtitel. Liknande kompletteringar kan
komma att behövas om fler sökrutiner för att söka i databasen implementeras.

41
Andra kopplingsmöjligheter
Det är möjligt att använda den bibliografiska databasen för att skapa andra kopplingsmöjligheter
än de beskrivna som länkar från artiklar på WWW.
Andra länkar från SAOB-artiklar på WWW kan t.ex. vara:
• länkar från de autentiska språkexempel som finns i artiklarna i SAOB till de verk de är
tagna ur. Detta kan vara intressant om man vill ha en större kontext till det givna exemplet.
En konkordans av uppslagsordet i ett verk kan vara intressant om man vill studera
en enskild författares bruk av ett ord. Se vidare ”Implementering av koppling mellan
gränssnitt och sökrutiner till Svenska Akademiens Ordbok och exempelkorpus (S. Johansson
Kokkinakis, 1995)”. Detta är en implementering av länkar från språkprov i SAOB till
Strindbergs ”Tjänstekvinnans son”, dels i form av konkordans av fler förekomster av samma
uppslagsord och dels större kontexter till dessa.
• länkar till andra ordböcker för att ge vidare förklaringar av ett uppslagsord, exempelvis
Söderwalls Ordbok öfver svenska medeltidsspråket.
• länkar till fler förekomster av ett uppslagsord i flera samtida verk. Det kan vara intressant
om man vill jämföra olika författares bruk av ett uppslagsord. Detta förutsätter
många verk i elektroniskt läsbart format.
Bibliografi
Kokkinakis Johansson, S. 1995. Implementering av koppling mellan gränssnitt och
sökrutiner till Svenska Akademiens ordbok och exempelkorpus. Språkdata,
Institutionen för svenska språket. Göteborgs universitet.
Ordbok över svenska språket, utg. av Svenska Akademien. (Svenska Akademiens ordbok.)
1893 –. Lund.
Söderwall, K. F. 1884–1918. Ordbok öfver svenska medeltidsspråket. Lund.

43
Lena Rogström
Den ortografiska normen i SAOB
Under den tid som SAOB redigerats har svenska språket utvecklats och förändrats, inte
minst vad gäller ortografi och morfologi. För SAOB:s del har framför allt 1906 års stavningsreform
medfört en del förändringar beträffande stavningen i ordboken, eftersom flera
bokstäver både hann påbörjas och tryckas innan reformen slog igenom.
Det är självfallet besvärligt för utgivningen av en omfattande ordbok när själva metaspråket
måste anpassas. De ortografiska förändringarna har också ställt OSA-projektet
inför en del principiella och praktiska problem varför vi valt att ägna ett separat avsnitt
åt just stavningsprinciperna i ordboken och databasen. Redogörelsen för språkdebatten
under 1800-talet blir med nödvändighet mycket knapphändig, men den som vill läsa mer
om dessa frågor kan få upplysningar om utförligare beskrivningar i litteraturlistan.
Svenska Akademien och stavningen
Svenskan, liksom de flesta skriftspråk, har periodvis varit föremål för intensiva debatter
angående stavning, och för svenskans vidkommande verkar diskussionen ha varit ovanligt
livlig under 1700-talet. Gustav Vasas bibel hade sedan 1500-talet haft stort inflytande
på stavningen, men allt eftersom de språkvetenskapliga disciplinerna utvecklades, samtidigt
som språket förändrades, höjdes röster som förespråkade en ortografi bättre lämpad
för det moderna språket. Man kan urskilja två läger – det ena bestående av dem som förespråkade
en ljudenlig stavning, och det andra bestående av dem som snarare ville lägga
etymologiskt släktskap till grund för stavningsprinciperna.
Under slutet av 1600-talet debatterade Urban Hiärne och Jesper Swedberg med en för
oss smått obegriplig intensitet om stavningsfrågor, och under 1700-talet engagerade sig
oerhört många i debatten. 1741 försökte man t.o.m. få Riksdagen att lagstifta om stavningsfrågor
– ett förslag som visar på allvaret i frågan.
Det är också mot bakgrund av denna debatt om språkriktighet, språkvård och språkvetenskap
man skall se instiftandet av Svenska Akademien år 1786. Svenska Akademien
har alltid haft stort inflytande på språkfrågorna i vårt land och SAOL har status av en normerande
ordlista för svenska språket. Det var också en av Akademiens ledamöter som
gjorde en bestående insats för att stabilisera stavningen av svenskan under början av
1800-talet, nämligen Carl Gustaf af Leopold, som 1801 fick gehör för sina ortografiska
principer. Dessa befästes sedan ytterligare genom att Carl Jonas Love Almqvist lade dem
till grund för sin ”Svensk Rättstafnings-lära” 1829.
1889 utkom den sjätte upplagan av SAOL, i stora drag utformad av Esias Tegnér d.y.,
och denna upplaga innehöll en stor mängd ortografiska förändringar. Året efter beslöts att
SAOL skulle upphöjas till norm i stavningsfrågor.
Den ortografiska debatten fortsatte dock genom hela seklet och resulterade slutligen i
1906 års stavningsreform då svenska språket antog den ortografiska norm som i stort sett
gäller än idag.
1906 års stavningsreform
De viktigaste punkterna i 1906 års stavningsreform omfattar stavningen av v-ljudet, t-ljudet
och ä-ljudet.

44
V-ljudet kunde vid denna tid stavas antingen med f (skref, afstanna), fv (hafva) eller hv
(hvilken). Efter reformen kom v-ljudet att stavas uteslutande med v (skrev, avstanna, hava,
vilken).
En annan besvärlighet i svensk ortografi var stavningen av t-ljudet i vissa verbformer
och adverb. Principen hade vacklat genom tiderna men kan i huvudsak förklaras med att
supinum stavades med t (han har gått) medan perfekt particip i neutrum stavades med dt
(pappret är användt). T-avledda adverb, (slå någon hårdt (av adjektivet hård)), stavades
med dt liksom en del andra ord, t.ex. neutrumformen rödt av röd. 1906 års stavningsreform
förändrade denna stavning till att enbart omfatta tt respektive t (gått, använt, hårt,
rött).
Ytterligare en ortografisk svårighet, som fortfarande kvarstår, var stavningen av ä-ljudet,
som ju i svenskan emellanåt stavas med e (berg) och i andra fall med ä (bälg), trots att
vokalljudet i båda orden uttalas likadant. Den komplicerade stavningen av svenskans ä-
ljud (och å-ljud) kan förklaras med språkhistoriska orsaker och bottnar i att ljud som från
början var olika med tiden föll samman. 1906 års stavningsreform innebar att stavningen
av ä-ljudet i flera fall återgick till att stavas med e i stället för ä som varit fallet i bl.a. 1889
års SAOL.
SAOB och stavningen
När 1906 års stavningsreform genomfördes hade SAOB publicerat bokstaven A och C och
påbörjat ett flertal andra bokstäver, bl.a. den omfattande bokstaven B. För att slippa byta
stavningsprinciper mitt i de påbörjade bokstäverna började man tillämpa nystavningen
först med bokstaven E, 1917. Till viss del bibehölls dock den äldre stavningen t.o.m. 1923
i en del kompletterande häften för äldre bokstäver. Faktum är att man kan hitta vissa ord
stavade på gammalt vis ända fram till bokstaven L (1937) bl.a. hvilka, hvarandra, användt.
Det finns dock inga stickord med initialt hv, och ytterst få med dt, undantaget de
ord som har med hand att göra t.ex. HANDTEL och HANDTVÄRK (tryckt 1930).
Vad beträffar stavningen av kort e- och ä-ljud skiljer sig SAOB från gängse norm genom
att ett flertal ord stavas med ä, där vi skulle vänta oss e. Detta har fått till följd att en del
ord som inleds med kort e- eller ä-ljud och som nu stavas med e ändå inte kommer att behandlas
förrän under Ä. Det mest kända exemplet är väl EGG (knivsegg) som i SAOB stavas
med Ä och därför inte behandlats än. Lundbladh (1992:19) anger också att bärg stavas
med ä, men faktum är att just detta ord med sammansättningar stavas med e, alltså stick
i stäv med de principer som annars används av SAOB i dessa fall.
Principen får också till följd att den redaktionella texten emellanåt verkar ålderdomligare
än språkproven genom sin stavning av e, t.ex. värklighetsskildring (R401), värksamhet
(R401), pängar (R501), rägn (R501).
I artiklarna kan det se ut som i exemplen nedan:
om ngns värksamhet: praktisk. En realistisk verksamhet (dvs. utövande
av boktryckaryrket) nyttig både för hans utveckling såsom man och för
betryggandet af hans timliga bergning. ATTERBOM Minnest. 2: 225 1855.
Det redde väl upp sig (med affärerna), gällde bara att skaffa (pängar)
för tillfället. ÖBERG Makt. 1:82 (1906).
Vad beträffar morfologin är det främst de plurala verbformerna som berörs. SAOB höll
länge fast vid bruket av plurala verbformer och de avskaffades först 1976 i ordboken.
SAOB borde därmed vara den sista mer officiella instansen i Sverige som höll fast vid detta
bruk.

45
Även vad beträffar dessa former kan det hända att den redaktionella texten förefaller
vara ålderdomligare än språkproven.
Salens tre första bänkar äro reserverade för honoratiores
(Redaktionsexempel ”reservera” tryckt 1957)
Implikationer för OSA
För en mänsklig användare är bakgrunden till SAOB:s stavningsprinciper begripliga och
ger på sin höjd ett lite kuriöst intryck. Känner man bara till efter vilka principer ordboken
är redigerad så kan man använda den utan problem. Hittar man inte PENG efter PENE-
TRERA så kan man med lite tålamod slå upp ordet en gång till med ledning av hänvisningen,
och slutligen hitta uppslagsordet PÄNNINGAR efter PÄNNA (!) och PÄNNAL.
För en dator är det inte lika enkelt. I motsats till människan måste den ha exakta besked
om vad den skall leta efter och hittar den inte vad den söker måste man ge nya order.
Den kan inte tänka själv. Eftersom alla artiklar dessutom innehåller ett otal stavningar
av ett och samma ord från skilda tider är det nödvändigt att ha en enhetlig uppslagsform
där stavningen inte varierar över de olika banden.
Detta problem delar vi självfallet med redaktionen i Lund som förr eller senare måste
ta itu med saken, inte minst om en andra upplaga skall påbörjas. För SAOB-redaktionens
del får problemet anstå ett antal år, men för OSA-projektets del är det nödvändigt att försöka
få till stånd någon slags normalisering av metaspråket när databasen skall börja användas
i större skala. En av de stora vinsterna med OSA är just att man skall kunna göra
stora, snabba sökningar i hela ordboken och samtidigt vara säker på att få med alla uppgifter.
Det får man inte om ett och samma ord stavas på minst två olika sätt bara i den
redaktionella texten.
I princip skulle man lätt kunna gå in och normalisera stavningen av primärenheter och
därmed lösa det praktiska problemet, men då har man samtidigt gjort om ordboken till något
annat än vad den är. För OSA-projektets vidkommande är det viktigt att inte göra några
ingrepp i själva ordbokens redaktionella utförande, vi har t.o.m. låtit de få tryckfelen
vara kvar, vilket medför att vi får finna andra lösningar. För närvarande funderar vi på
att ge dubbla upplysningar, d.v.s ha en normerad variant som sökalternativ, samtidigt
som ordbokens ursprungliga stavning också återges. Vår förhoppning är att vi genom detta
förfarande också kan vara redaktionen behjälplig när en andra upplaga skall påbörjas.
Litteratur
Hernlund, H. 1883. Förslag och åtgärder till svenska skriftspråkets reglerande 1691–1739
jämte en inledande öfversigt af svenska språkets ställning under den föregående tiden.
Stockholm.
Lundbladh, C.-E. 1992. Handledning till Svenska Akademiens ordbok. 1992. Lund
Johannisson, T., G. Mattsson 1974. Svenska Akademiens ordlista under 100 år. Skrifter
utgivna av Svenska språknämnden. 55. Stockholm.
Santesson, L. 1986. Tryckt hos Salvius. Lundastudier i nordisk språkvetenskap. Ser A 37.
Lund.
Ståhle, C. I. 1970. Det nordiska rättstavningsmötet 1869 och hundra års svensk
rättstavning. I: Skrifter utgivna av Nämnden för svensk språkvård 43. Stockholm.
s. 5–36.

47
Sofie Johansson Kokkinakis
SAOB som hypertext
Hypertextgränssnitt till artiklar i SAOB
Artiklarna från A till Advokat i SAOB finns nu tillgängliga i en sökfunktion med gränssnitt
på World Wide Web (WWW). Det innebär att den som har tillgång till Internet kan
slå upp ord och läsa hela artiklar i SAOB. WWW är ett forum som använder sig av hypertext.
Hypertext innebär representation av textmängder där texten inte nödvändigtvis förekommer
linjärt. Hypertext är länkar som kopplar ihop informationsbitar för att
möjliggöra för en läsare att välja olika vägar i sökning av information.
Bakgrund och beskrivning
Anpassningen till WWW gjordes med början under 1994 först genom att lägga ut artiklarna
i Hypertext Markup Language (HTML)-format. HTML är en Standard Generalized
Markup Language (SGML)-variant som används vid informationsrepresentation på
WWW. Detta innebar att de redan fanns färdiga i HTML-format varje gång det gjordes en
sökning på en artikel. En senare del av utvecklingen av WWW-anpassningen av SAOB
gjordes under 1995 och blev en sökrutin där artiklarna inte fanns färdiga när de skulle tas
fram, utan de genererades från det elektroniska material som SAOB för närvarande redigeras
i. En nackdel med denna metod är att det kan ta något längre tid att ta fram en artikel,
men detta uppvägs å andra sidan av besparingen av utrymme. Det krävs nämligen
väldigt mycket minne för att spara alla artiklar i HTML-format.
Den automatiska sökningen innebär en möjlighet att söka på artiklar som t.ex. ”abborre”.
Se figur 1.
Figur 1: Sökning på artiklar i SAOB med WWW-gränssnitt.
I figur 2 visas artikeln ”abborre” i HTML-format, ungefär som den ser ut i ordboken. Strukturen
skiljer sig dock något. Det är t.ex. typsnittsstorlek och placering av olika informationsdelar
i en artikel som skiljer sig åt. Detta är för att förtydliga strukturen eftersom det är mycket viktigt
hur informationen struktureras i WWW-miljö för att ge bästa möjliga överblick och förståelse.

48
Figur 2: SAOB-artikel i HTML-format.
I artikeln, i figur 2, kan man se vissa ord som är understrukna. De är ord som innehåller
hypertext-länkar. Genom att klicka på ett sådant ord aktiverar man SAOBs bibliografiska
databas, vilken kan ge information om författare, källtitlar och tryckår. Figur 3 och 4 beskriver
vad som händer om man klickar på författaren ”ROTHOF” i HTML-texten i artikeln
”abborre” i figur 2 ovan. Först får man se en lista med de författare som har
efternamnet ”ROTHOF” med efterföljande initialer och antal verk det finns exempel ifrån,
se figur 3.
Figur 3: Lista med författare och antal verk.
Om man klickar på författarens namn visas ytterligare information om de verk som författaren
har skrivit. Se figur 4.
Figur 4: Exempel på en författare och ett verk.

49
Sökningen på artiklar innehåller också en möjlighet att söka på delsträngar av ett uppslagsord
eller en sammansättning om man är osäker på stavning. För att ta reda på alla
sammansättningar som finns för ett uppslagsord som ”abborre” söker man på ”abborr.*”
som början av en sträng. Resultatet blir då en lista av alla sammansättningar och eventuella
avledningar eller andra ord som börjar på abborre. Se figur 5.
Figur 5: Sammansättningar som börjar på ”abborre”.
Denna typ av sökning görs för att användaren snabbt kan hitta det aktuella uppslagsordet
eller den sammansättning han letar efter utan att behöva bekymra sig över den exakta
stavningen.
Implementering
Implementeringen av sökningsrutinen på artiklar i SAOB gjordes under en tremånadersperiod.
Det innebar bl.a. undersökning av möjligheterna att hantera svenskt textmaterial
i programmeringsplattformen under operativsystemet Unix. Programmeringsomgivningen
bestod av programmeringsspråket Perl och gränssnittet Common Gateway Interface
(CGI) för WWW med olika sökverktyg.
Utformning och problem
Hanteringsordningen av information gick från det sökverktyg som en användare hade
valt, t.ex. Netscape, Mosaic eller Lynx, genom informationsgränssnittet CGI vidare till
Perl i Unix. Genom att användarmiljöerna kunde variera från PC till Macintosh och Unix
uppstod vissa problem med materialhanteringen.
Ett av de problem som uppstod var hanteringen av svenska tecken, eftersom den omfattande
hanteringen av ord och söksträngar i sökverktyg som Netscape inte alltid fungerade
normalt. Det hände vid vissa sökningar att detta sökverktyg försökte konvertera
tecken och därmed göra ord omöjliga att tolka. Det kunde dock lösas med ersättningar i
programhanteringen av materialet från HTML-representationen så att svenska tecken
inte syntes annat än i gränssnittet till användaren.
Tecken för att representera fonologisk information och andra specialtecken som finns i
SAOB men inte är möjligt att representera i HTML har också ställt till problem. Detta har
tills vidare fått lösas genom att vissa tecken ersätts med bilder av tecknen.

50
Ett annat problem man måste ta hänsyn till i implementeringen av tillämpningar på
WWW är tiden för informationshantering och näthastighet. För att användaren av dessa
tillämpningar inte ska förlora intresset på grund av att tillämpningen fungerar för långsamt
är hastigheten mycket viktig. Snabbhet beror naturligtvis på det avstånd en användare
befinner sig från den server tillämpningen ligger på. Men det beror också på
hanteringshastigheten i programmet som ligger bakom WWW-tillämpningen. Hanteringshastigheten
i programmet är inget problem i fallet med sökrutiner för SAOB-artiklar
på WWW. Perl är ett utmärkt programmeringsspråk för att bearbeta och ersätta strängar
i Unix. Det är möjligt att hantera mycket stora textmängder, vilket är fallet med SAOB,
och ändå få snabba sökningsresultat.

51
Rudolf Rydstedt
SAOB:s täckning
Den som använder en ordbok för att slå upp vad okända ord betyder får emellanåt mycket
handfasta problem med brister i ordbokens täckning: det sökta ordet står inte att finna.
Men allt behöver inte vara frid och fröjd bara för att man råkar hitta ett stickord och ett
betydelsemoment som passar. Det kan ju vara en olycklig slump som gör att den riktiga
betydelsen är missad samtidigt som en felaktig verkar stämma in. För praktiskt bruk kan
man dock räkna med att falska svar är ganska sällsynta: finns det ett betydelsemoment
som passar så är det nog rimligt att det är det korrekta. Svårigheterna dyker upp när man
vill använda ordboken som en modell av ordförrådet och dess förändringar. Då blir plötsligt
variationer i grad av täckning kritiska. Denna artikel försöker ge en översiktlig bild
av några typer av felkällor som man måste räkna med.
Den kronologiska täckningen
SAOB har som uppgift att ge en rimligt heltäckande bild av det svenska riksspråket från
reformationen och framåt. Gränsen bakåt operationaliseras till 1520. En konsekvens av
det är att förstånd får 1525 som år för första belägg, medan ordet etymologiskt beskrivs
”fsv. forstand, liksom d. forstand av mnt. …”. Den skarpa gränsen bakåt motiveras med
att den ger ett rent snitt mot redovisningen av medeltidsspråket i Söderwalls Ordbok öfver
Svenska Medeltids-språket och Schlyters Ordbok till Samlingen af Sveriges Gamla Lagar.
Det arbete, hvars början här framlägges, är afsedt att dels gifva en trogen bild
af det nu lefvande svenska riksspråket, dels äfven uppvisa, huru vårt språk
utvecklats allt ifrån reformationstiden. Ordbokens uppgift är alltså att lämna
en historisk framställning af det nysvenska riksspråket i vidsträckt mening,
och den tager således vid, där de utgifna eller under utgifning varande ordböckerna
öfver vårt medeltidsspråk sluta. (SAOB bd 1:1)
Gränsen framåt har förskjutits gradvis under arbetets gång. Hållpunkter är att bokstaven
A saknar stickord med första belägg senare än 1902, G efter 1939 och R efter 1960. Efter
D kan man räkna med att artiklarna följer ungefär i den ordning som de är skrivna, i början
arbetade man mindre strikt alfabetiskt. Det senare leder till att B har ord med förstabelägg
så sent som 1922 medan C saknar förstabelägg efter 1905. Sett med dagens ögon
innebär dessa siffror att SAOB har ett kronologiskt hål på närmare 1/5 – 1/6 av den tid
som verket skall täcka i början av alfabetet. Det senast publicerade häftet slutar efter stå.
I SAOL och Svensk ordbok återfinns det ordet 1/5 från slutet. Det är allstå en betydande
del av det ordförråd som SAOB strävar efter att täcka som inte kommer med därför att det
är för ungt eller kommer för sent i alfabetet (t.ex. knivens ägg – som alltså inte stavades
egg enligt SAOB:s norm när E publicerades).
En förrädisk faktor är att ord med samma egenskaper har en tendens att klumpa ihop
sig vid en alfabetisk sortering. Ett exempel med etymologisk anknytning är att prefixen
be- och för- ger en tysk prägel åt respektive bokstav. Denna heterogenitet gör att interna
variationer i täckningsgrad – t.ex. den nyss nämnda kronologiska – kan få svåröverskådliga
effekter på resultaten vid undersökningar. Det är t.ex. uppenbart att engelskans och
tyskans relativa betydelse som långivande språk har förskjutits till engelskans fördel under
1900-talet. Det intrycket ges också av SAOB, men är det en risk att SAOB ger en felaktig
bild av styrkan i förändringen beroende på att lån från tyska och engelska hamnar
lite olika i en alfabetisk sortering

52
Urvalskriterier
Diskussionen om SAOB präglas ofta av en besvärande svävning i fråga om vad man förväntar
sig att ordboken skall täcka. En viktig fråga är om man vill att den skall spegla texterna
(= la parole) eller språket (= la langue). NFO-serien är en utpräglat textinriktad och
behandlar därför allt som finns i de undersökta texterna och inget annat, Svensk ordbok
drar ganska tydligt åt det andra hållet.
SAOB kan uppfattas både som språk- och som textbeskrivande, man skulle kunna säga
att ordboken skall beskriva det svenska riksspråket på texternas grund. Det är den givna
utgångspunkten för en större historisk ordbok, men den leder obevekligen till två principiella
problem: (1) Även om all bevarad text excerperades perfekt skulle man inte kunna
utgå från att alla rikssvenska ord (ens i rikssvenskt skriftspråk) har kommit med. (2) Att
ett ord står i en uppenbart rikssvensk text gör inte att det är ett rikssvenskt ord. Texterna
innehåller alltså både för mycket och för lite. Trots rykten om motsatsen har SAOB heller
aldrig haft som ambition att redovisa precis alla ord som förekommer i svensk text. Detta
görs klart redan i företalet till bd 1 (s. 2). De principer som ges där stämmer i stort sett
med dem som formuleras av redaktören Sture Hast i början av 80-talet (Hast 1985:187–
190). Han anger att följande grupper behandlas restriktivt:
1. Namn utan användning som appellativer medtas inte.
2. Dialektord medtas i princip inte, vilket inte hindrar att många dialektord kommer med ändå.
3. Lånord behandlas med viss återhållsamhet. Den äldre principen var att ta med skandinaviska
och tyska lånord om de lyckats etablera sig någorlunda i svenskan, men från övriga
språk bara om de fortfarande är levande för de allmänbildade. Det är dock tveksamt om
regeln någonsin efterlevts. Den moderna principen är att ta med alla lånord som har kommit
i någorlunda fast bruk och fått svensk böjning – utan genetiska överväganden. Vidare tas
lånord med om de betecknar en vanlig företeelse som inte har någon annan benämning.
4. Citatord eller citatuttryck medtas sällan, men generositeten har ökat kraftigt genom åren.
5. Fackspråkliga ord tas med om de fått viss spridning i allmänspråket.
6. SAOB är betydligt generösare vid behandlingen av sammansättningar än jämförbara ordböcker,
trots det stryks mellan en tredjedel och hälften av de belagda sammansatta orden.
7. Personliga ord eller ordanvändningar tas i allmänhet inte med. Grundprincipen är att ett ord
eller en ordanvändning eller fras tas med först om den har blivit mera känd och flerfaldigt
citerad i redaktionens belägg.
8. Fula ord (med undantag för svordomar) och slang medtogs tidigare inte. Från ungefär 1930
behandlas fula ord utförligt. Slang behandlas dock fortfarande restriktivt.
9. Ord som betecknar efemära företeelser tas inte med. Exempel är modeföreteelser i kläder
eller danser som försvunnit inom ett par år.
Ett given fråga rör hur pass konsekvent redaktionens principer verkligen har upprätthållits,
men den förbigås här av praktiska skäl – det skulle krävas omfattande och systematiska
omexcerperingar för att klarlägga den saken. Det är problematiskt nog att redan
själva principerna har genomgått vissa förskjutningar, jfr punkt 3 och 4 ovan. En annan
aspekt är om principerna som sådana kan förrycka bilden av t.ex. de etymologiska relationerna
i språket vid olika tider.
Med SAOB:s uttalade princip att beskriva det svenska riksspråket är det inte anmärkningsvärt
att utesluta språkligt material som inte hör till den språkformen. Svårigheten
ligger i att göra avgränsningen. Hur delikat uppgiften är beror till stor del på vad gränsdragningen
skall användas till. Den är ganska liten vid produktionen av en ordbok avsedd
att användas på ordinärt sätt: då kan man lova att ha med all riktig svenska – och så lite
till för säkerhets skull. Normalt torde det vara denna attityd som genomsyrar arbetet på
ordböcker. Det är värre när målet är att nå exakt täckning (få med precis allt) eller konsekvent
täckningsgrad (missa konsekvent lika mycket ur samtliga relevanta aspekter).

53
Det är något som är eftersträvandsvärt i t.ex. undersökningar av andelen främmande
språkmaterial i svensk text. På motsvarande sätt kan variationer i generositet mot främmande
material i SAOB påverka den bild ordboken ger av proportionerna mellan ord med
olika ursprung. Det som gör det hela extra problematiskt är att variationen i integreringsgrad
är i det närmaste steglös. Det kan illustreras med ett citat ur ett brev skrivet av
Bengt Oxenstierna år 1682:
Detta allt sker pour se venger de l’Angleterre, och det med rätta efter det genom
sin blâmable conduite causerar Nederlands undergång och Christenhetens olägenhet
och trouble. Utan dissimulation Des trogne och ergifne tjänare. / B. O.
(citerat efter Engwall 1994:53).
Allt kursiverat i citatet har franskt ursprung. Vissa ord har helt bevarad fransk form. Det
kan göra att de känns ointegrerade för en modern läsare – och förmodligen även för Oxenstiernas.
Men hur är det med dissimulation Många uppfattar det nog som minst lika
svenskt som det böjningsmässigt direkt ofranska causerar. SAOB väljer att ta med dissimulation,
som verbalabstrakt till dissimulera. Ordets allmänspråkliga betydelse, den som
finns i citatet ovan, betecknas som numera knappast bruklig (finns även en medicinsk
fackbetydelse). SAOB:s bruklighetsangivelse motsägs inte av Språkbankens material – ordet
förekommer över huvud taget inte i dess baskorpus om 30.000.000 löpord. Men i äldre
tid förekom ordet hos flera författare i den för en franskkunnig genomskinliga betydelsen,
men var det prov på svenska
En möjlighet att åtminstone tillfälligt kringgå svårigheterna med att särskilja de ord
som är integrerade i det abstrakta språksystemet är att utgå från ett kvantitativt kriterium
för vad som är en del av riksspråket. Med den infallssvinkeln blir ord som förekommer
ofta, i många sammanhang och uthålligt mera centrala. Det är den typen av kriterier som
man anar bakom att SAOB är restriktivt vid behandlingen av personliga ord, ord i fackoch
gruppspråk samt efemära ord. Men inte heller kriterier av denna typ undanröjer
gränsdragningsproblemen. Ett skäl till det är att kategorierna i sig är svårbestämda. Poängen
med att tala om gruppspråksord är att dessa ord inte har full hemortsrätt i allmänspråket
– om de hade det skulle de inte vara gruppspråksord. De kan därför uteslutas för
att de är perifera. Men gruppspråksbeteckningar (liksom stil- och bruklighetsbeteckningar
i allmänhet) säger inte nödvändigtvis var ordet förekommer mest frekvent utan kanske
bara var det omtalade fenomenet förväntas höra hemma. Det vore t.ex. en fullt hedervärd
arbetsuppgift för en stilistiker att undersöka i vad mån ord som uppfattas som knutna till
en viss genre eller stil verkligen är mest frekventa i den.
Hur man än gör är det svårt att ge tydliga och lätthanterliga kriterier för vilka ord som
bör komma med i SAOB – och mera generellt i listor över ord i språk vid en viss tid. Detta
gäller även om man bortser från de problem som ligger i att avgränsa vad som rent faktiskt
är ett ord: hur lexikaliserade sammansättningar måste vara för att räknas som fullvärdiga
lexikonenheter; hur mycket betydelsenyanser måste skiljas åt för att det skall
röra sig om två betydelser; om t-avledda adverb och verbalabstrakter är egna ord eller närmast
ett slags finare böjningsformer. Problemen blir inte mindre när målet är att beskriva
språkstadier för vilka vi inte har tillgång till informanter. Vi kan lätt se att skribenter på
1600-talet använde dissimulation i sina texter, men hur vet vi om de uppfattade ordet som
svenskt
Svårigheterna gör att det kan vara lockande att arbeta rent frekvensmässigt, t.ex. genom
att utgå från en baskorpus och ta med alla ord som är belagda med viss frekvens i
visst antal texter från vissa genrer vid vissa tidpunkter. Några fördelar och nackdelar med
ett sådant angreppssätt diskuteras nedan i samband med excerperingen beroende på att
renodlat frekvensorienterat angreppssätt står och faller med hur excerperingen går till.

54
Excerperingen
SAOB:s fundament är samlingen med språkprov. En uppenbar störfaktor när det gäller
den interna balansen i ordboken är att den tidigare utgivna delen av ordboken bygger på
ett betydligt mindre material än de senare. Några hållpunkter för tillväxten är:
Tabell 3: Ungefärligt
antal excerpter i
SAOB:s samlingar a
år
antal
1883 700.000+
1897 1.500.000+
1913 3.000.000
1937 4.800.000
1980 7.000.000+
a.Siffrorna baseras på
uppskattningar refererade
i Hast 1985:171 ff.
Siffrorna över tillväxten ger en allmän uppfattning om skillnaden i materialets storlek,
men det har också en påtaglig heterogenitet. Under perioden 1910–1959 excerperades enbart,
eller nästan enbart, den ännu outgivna delen av alfabetet. En annan störning som
påverkar redan ordbokens första upplaga är att tillväxten väsentligen består i att ständigt
fler verk excerperas, vilket i praktiken får betydelse för den genremässiga balansen (Hast
1993:173–175). Det säger sig t.ex. närmast självt att ordböcker därigenom får en större del
av bevisbördan i början av SAOB än senare. Problemets vidd antyds av tabell 4.
Tabell 4: Antal hänvisningar till några författare a
författare A B M S
Dalin 1111 915 277 210
Serenius 175 116 72 60
Richardson 0 10 5 6
Almqvist 385 572 103 81
Strindberg 16 52 103 103
a.Siffrorna anger antal förekomster av respektive författarnamn de 1000 första
spalterna på respektive bokstav.
Skälet till att ta med de första 1.000 spalterna på både A och B är att den relativa tillväxten
hos excerptsamlingen är extra hög i inledningsskedet. Författarnamnen är valda dels
för att peka ut rätt personer med tillräcklig precision, dels för att ge olika typer av källor.
Bakom Dalin och Serenius döljer sig lexikografer, Dalin från 1800-talet och Serenius från
1700-talet. Richardson skriver om krigsvetenskap på 1700-talet – det är alltså inte den
Richardson som skrev sedelärande romaner. Almqvist och Strindberg är (väsentligen) de
kända skönlitterära författarna. 1

55
Lexikograferna har som förväntat kraftigt fallande frekvens, men det mest anmärkningsvärda
är kanske utgångspunkten: på A har Dalin i medel ett belägg per spalt! Almqvist
kommer upp i halva den frekvensen under B, innan det bär utför. Strindberg
kommer upp i ett belägg per 10 spalter, de låga siffrorna i början kan till stor del förklaras
med att han är en samtida författare i början av alfabetet. Siffrorna för Richardson illustrerar
att facklitteratur är underrepresenterad i korpusen under inledningsskedet. Det intressanta
med siffrorna är att lexikon, facklitteratur och skönlitteratur inte självklart kan
förutsättas ha ordförråd med samma etymologiska struktur. Tvåspråkiga lexikon och lexikon
med utländsk förlaga kan t.ex. misstänkas innehålla ekvivalenter till ord i referensspråket
som aldrig sprids utanför ordbokens eller ordböckernas värld. Aspekter på den
problematiken studeras av Lena Rogström i hennes avhandlingsarbete om lexikografi på
1700-talet, speciellt Serenius ordböcker.
Men det är inte bara den excerperade korpusens sammansättning som är problematisk
utan även excerperingsmetoden. Sture Allén öppnade en debatt i frågan med en artikel i
Nysvenska studier där han frågade: ”Hur djupt går SAOB” (Allén 1980). I korthet var Alléns
slutsats att SAOB inte går djupt nog och att en väsentlig orsak är brist på systematik
i excerperingen. Detta illustrerades i första hand med exempel från Johan Ekeblads brev.
Allén hade inga svårigheter att finna t.ex. ord som SAOB missat helt (s. 122).
Riktlinjer för SAOB:s excerpister finns kodifierade i Anvisningar till insamlande av
språkprov för Svenska akademiens ordboksarbete (Anvisningar §§ 33 – 57). Dessa säger i
korthet att vissa speciellt centrala verk skall underkastas en uttömmande excerpering
medan excerpisten i övriga skall inrikta sig på sådant som är speciellt anmärkningsvärt,
t.ex. för tiden ovanligt bruk av en viss betydelse. Problemet är att den typen av instruktioner
förutsätter en närmast allvetande excerpist. Hur vet excerpisten vilka ord som har en
för tiden ovanlig betydelse Han eller hon kan normalt inte ens stödja sin intuition genom
att slå upp i SAOB. Redan att få grepp om instruktionen skall ha varit ett företag i sig:
Anvisningarna var, som antytts, synnerligen utförliga. Få excerpister torde ha
orkat med att sätta sig in i dem och konsekvent nyttja dem. Vana äldre excerpister
kritiserade dem skarpt. … Efter 1924 … torde anvisningarna inte ha
använts längre, utan instruktioner har givits i muntlig form eller medelst personliga
brev o.d. (Hast 1985:165)
En möjlig väg för att garantera bättre styrsel i arbetet är att ge excerpisten bättre överblick.
Den normala SAOB-excerperingen bygger på en extensiv genomläsning av källorna
varvid excerpisten markerar i storleksordningen ett par till tre ord per sida, dock är variationen
stor (Hast 1985:177). Allén framhäver i stället möjligheten till maskinstödd excerpering
i konkordansformat, åtminstone för mera centrala verk:
En tilltalande möjlighet vore att välja ut en serie centrala texter från det aktuella
århundradena, särskilt de tidigare, för behandling. Resultatet kunde skrivas
ut som belägg i kontext med källhänvisning. (Allén 1980:128)
Alléns inlägg uppmärksammades av ordbokens dåvarande chef Hans Jonsson i följande
årgång av Nysvenska studier, denne visade emellertid begränsad entusiasm inför Alléns
förslag (Jonsson 1983). Jonssons väsentliga argument mot är (1) att det skulle riskera att
fördröja arbetet och (2) att det skulle leda till en risk att missa fenomen som är svåra att
identifiera med enbart kriterier på formplanet. Diskussionen om SAOB:s material i Nysvenska
studier fortsätter sedan med den drygt 30-sidig artikel av Sture Hast som refereras
flitigt ovan. I denna summerar Hast den allmänna bilden med:
Vi kan alltså se att SAOB står sig gott i fråga om materialets mängd [jämfört
med andra liknande ordböcker]. Men det är främst materialets kvalité som är
avgörande för om det är bra. Och i det fallet är vårt material av högsta klass.
1.Flera av författarna är företrädda av annan text än deras huvudgenre, men inte i sådan
omfattning eller på sådant sätt att det förrycker resultaten.

56
Oxfordordbokens gamla material t.ex. är till större delen insamlat av frivilliga,
icke instruerade krafter, vilket gör att en stor del av det var undermåligt eller
rentav oanvändbart. (Hast 1985:161)
Hast har säkerligen helt rätt i att SAOB har en mycket god materialsamling jämfört med
andra större ordböcker. Men frågan återstår om SAOB skulle ha stått sig ännu bättre med
en excerpering som ansluter sig närmare till Alléns modell. En viktig faktor därvidlag är
storleken på den korpus som skulle behövas för att den skulle göra nytta: om den skulle
bli ohanterligt stor vore inte mycket vunnet. Det är något som i viss mån kan belysas av
existerande frekvensundersökningar, t.ex. Nusvensk frekvensordbok (Allén et al. 1970).
Resultaten där visar att ordförrådet i faktisk text har en synnerligen ojämlik distribution,
med en liten frekvenstopp vars ord utgör i storleksordningen någon procent vardera av det
totala antalet löpord i en text. I en miljonordskopus måste man räkna med att stora delar
av ordförrådet inte kommer med över huvud taget och att en betydande del av de representerade
orden och ordformerna är enfrekventa. Det hjälper att öka korpusens storlek till
20.000.000 ord och mer, men det är tankeväckande att Språkbankens drygt 30.000.000 ord
från tidningar och romaner inte innehåller en enda ballethoppa men väl balettfetischer,
balettoman och balettvapen.
Den som vill dammsuga språket efter infrekventa fenomen måste kort sagt ha en mycket
stor korpus. Skulle 30.000.000 ord per 50-årsperiod räcka Samtidigt kan man uppenbart
nå intressanta resultat med mindre material. Så kan Gellerstam redovisa en studie
baserad på en delmängd av NFO-materialet (med totalt 1.000.000) där huvuddragen i de
etymologiska proportionerna i nusvenskt språk tecknas (Gellerstam 1994). Sådana studier
kan förvisso inte ersätta SAOB, men de är ändå viktiga i sammanhanget. De ger en
typ av oberoende stöd som är nödvändigt för att avgöra i vad mån SAOB är tillräckligt bra,
inte bara vad som skulle leda till en förbättring.
Litteratur
Allén, S. 1980. Hur djupt går SAOB I: Nysvenska studier. Årg. 59–60. Lund.
Allén, S. 1970. Nusvensk frekvensordbok baserad på tidningstext. I. Graford,
homografkomponenter. Stockholm.
Anvisningar till insamlande av språkprov för Svenska akademiens ordboksarbete. 1916. 4.
uppl. Lund.
Engwall, G. 1994. Svenskt och franskt. I: Arv och lån i svenskan : Sju uppsatser om
ordförrådet i kulturströmmarnas perspektiv. Utgivna av Svenska Akademien.
Stockholm.
Gellerstam, M. 1994. Ordförrådets härledning. Arv och lån i svenskan : Sju uppsatser om
ordförrådet i kulturströmmarnas perspektiv. Utgivna av Svenska Akademien.
Stockholm.
Hast, S. 1985. Om SAOB:s material. Nysvenska studier. Årg. 63. 1983. Lund.
Handbok för redigeringen av Svenska Akademiens ordbok. 1904. Utarbetad av Ernst
Kock.
Handbok för redigeringen av Svenska Akademiens ordbok. 1993. Utarbetad av Hans
Jonsson.
Jonsson, H. 1983. Ekeblad och SAOB. Nysvenska studier. Årg. 61. 1981. Lund.
Lundbladh, C.-E. 1992. Handledning till Svenska Akademiens ordbok. Lund.
Ordbok över svenska språket, utg. av Svenska Akademien. (Svenska Akademiens ordbok.)
1893 –. Lund.
Schlyter, C. J. 1877. Ordbok till Samlingen af Sveriges Gamla Lagar. (Samling af Sveriges
gamla lagar. 13). Lund.

57
Sigurd, B. 1986. Ordboken, ordlistan och några andra av Svenska Akademiens språkliga
insatser under 1900-talet. I: Allén, Sture & Loman, Bengt & Sigurd, Bengt 1986.
Svenska Akademien och svenska språket : Tre studier. Stockholm.
Svensk ordbok. Utarbetad vid Språkdata. Göteborgs universitet. 2 uppl. Solna 1988.
Söderwall, K. F. 1884–1918. Ordbok öfver Svenska Medeltids-språket. 1–2. Suppl. 1925–
1973 (Svenska Fornskrifts–Sällskapets Samlingar) Lund.

59
Lena Rogström
OSA-databasen i praktiken
OSA-databasen erbjuder en snabb möjlighet till excerpering av SAOB, både för enskilda
belägg och undersökningar av mer systematisk art. Systematiska undersökningar, baserade
på en excerpering av hela SAOB 1 , har tidigare varit mycket tidskrävande men kan
nu genomföras på ytterst kort tid. Att leta rätt på de exempel som skall undersökas tar för
datorn endast några sekunder. Sedan återstår naturligtvis själva analysarbetet, något
man själv får göra.
Detta öppnar självfallet nya möjligheter för lexikal forskning genom att man lättare
kan lägga hela SAOB:s material till grund för pilotundersökningar, något som tidigare tett
sig svårgenomförbart framför allt med tanke på tidsaspekten. OSA-materialet har således
reducerat tidsåtgången för själva excerperingen vilket medför att man i stället kan ägna
merparten av undersökningstiden åt den språkvetenskapliga analysen.
En ordbok av SAOB:s storlek, kontinuerligt utgiven under mer än 100 år, kan av naturliga
skäl inte vara helt konsekvent i utförande och redigering. Detta påtalas också i alla
de artiklar som ingår i denna rapport, och även detta avsnitt skall behandla en del problem
som man måste ta hänsyn till vid vissa typer av undersökningar där SAOB använts.
De egenheter som diskuteras här emanerar emellertid inte från förändringar i SAOB:s redaktionella
principer. I stället fokuseras en del av de problem som uppstår genom att metaspråket
i SAOB ofta avviker från språkprovens ortografi och morfologi. Jag pekar också
på några fall där SAOB:s redigeringsprinciper som sådana kan diskuteras.
Redogörelsen bottnar i en undersökning av alla SAOB-belägg som härrör från Jacob Serenius
engelsk–svenska och svensk–engelska ordböcker, utgivna 1734 respektive 1741.
Undersökningen ingår i ett avhandlingsarbete som bl.a. omfattar en lexikalisk analys av
ordförrådet i Serenius ordböcker. Som en del i detta används OSA-materialet i syfte att
fastlägga hur stor del av ordböckerna som excerperats av SAOB som förstabelägg.
Det bör inledningsvis nämnas att undersökningen som refereras här baseras på en äldre,
inte helt fullständig, version av konkordansen över SAOB, men det är av underordnad
betydelse i detta sammanhang. Det antal exempel som används förefaller ändå tillräckligt
stort för att visa problemen.
Undersökningen
Alla belägg ur Serenius ordböcker slogs upp i konkordansen och skrevs sedan in i en separat
datafil, konstruerad på så sätt att ett flertal olika sorteringar är möjliga. Beläggen sorterades
till en början i två huvudfiler, en för varje ordbok, och materialet strukturerades
med utgångspunkt i deras respektive placering i SAOB:s artikelstruktur enligt följande:
formbelägg (morfologi, ortografi), betydelsebelägg (placerat som språkprov i betydelseträdet),
ordbildningsbelägg (ssgr, avledn., särsk. förb.). I förekommande fall noterades också
om de belägg som här kallats ordbildningsbelägg hörde hemma i någon betydelsestruktur
i respektive ordbildningsdel. De flesta sammansättningar, avledningar och särskilda förbindelser
har bara ett betydelsemoment i SAOB, varvid belägget har noterats som belägg
på både form och innehåll samtidigt, vilket varit av värde för avhandlingens vidkommande.
I de fall då belägget återfunnits i ett betydelsemoment under en sammansättning etc.
har det räknats som betydelsebelägg.
1.Med ”hela” SAOB menas självfallet den hittills tryckta delen av ordboken.

60
Jag har också noterat de fall då Serenius-belägget varit ett s.k. förstabelägg i SAOB.
Vidare har materialet också hanterats på sådant sätt att det kunnat sorteras efter beläggets
status som källspråksenhet respektive målspråksenhet i ordböckerna.
De belägg ur Serenius ordböcker som återfanns i OSA-materialet visade sig vara fördelade
på följande sätt:
Tabell 5: Belägg ur Serenius ordböcker
1734 (eng>sv) 1741 (sv>eng)
Totalt antal belägg 2 427 1 020
Betydelsemoment 1 111 728
Ssgr 1 043 180
Avledn 189 41
Särsk. förb 84 71
Totalt antal förstabelägg 1 592 408
Betydelsemoment 562 243
Ssgr 826 96
Avledn 157 32
Särsk. förb 47 37
Redan en uppställning av detta slag ger en grov uppfattning om det undersökta materialet.
Som väntat kommer flest belägg från den engelsk-svenska ordboken, troligen för att
denna är äldst och därför excerperats först. Av den anledningen har man inte tagit med
samma exempel en gång till när man excerperat den svensk-engelska, något yngre, ordboken.
Denna är nämligen en vändning av den engelsk-svenska och består därför huvudsakligen
av ett urval av innehållet i den engelsk-svenska ordboken. Det är därför inte
förvånande att den både yngre och mindre svensk-engelska ordboken inte bidragit med en
lika stor andel belägg som den äldre, engelsk-svenska. Lustigt nog bidrar den svensk-engelska
ordboken med en större procentandel särskilda förbindelser i förhållande till de övriga
beläggen, jämfört med vad den engelsk-svenska ordboken gör. Det absoluta antalet
belägg är dock litet för denna kategori.
En enkel uppställning av denna typ tillhandahåller framför allt information om vilka
kategorier i Serenius ordböcker som är värda att undersöka närmare. Förstabeläggen är
då av särskilt intresse och man kan bl.a. notera att dessa i 1734 års ordbok till mer än hälften
består av sammansättningar medan 1741 års ordbok i stället har hälften av sina förstabelägg
i betydelsedelen av SAOB. (En mer utförlig studie av dessa kategorier utförs i
avhandlingsform).
Uppställningen är enkel, men kan ge värdefull information om vilka kategorier som är
värda att arbeta vidare med i respektive ordbok.
Problem
När man använder OSA-materialet för att komma åt innehållet i en viss källa i ordboken
räcker det dessvärre inte med att bara ta fram alla de beläggställen där källan förekommer,
man måste gå vidare till själva källan för att kunna beskriva den utförligt I arbetet
med Serenius-beläggen uppenbarades ett flertal tidsödande irritationsmoment och problem
som till stora delar gick att hänföra till SAOB:s redigeringsprinciper. Några av problemen
går inte att komma runt eftersom de bottnar i en konflikt mellan språkförändring
och ordböckers behov av konsekvens. En ordbok måste med nödvändighet ha enhetliga
principer för ortografi, morfologi etc. och redigeringsprinciperna bör självfallet bottna i
den språknorm som används när ordboken redigeras. Att detta innebär problem för nor-

61
maliseringen i OSA-databasen har omtalats i ett tidigare avsnitt. Det problemet är dock
av övergående art, fram till kommande ortografiska reformer.
Värre är det med det faktum att uppslagsformen i SAOB representerar ett flertal former
som ett och samma ord kan ha haft under den tid det existerat i skrift. Emellanåt är
man också benägen att tro att somliga av SAOB:s uppslagsformer representerar former
som ordet inte haft under nämnda tid, något som exemplifieras nedan.
De problem som behandlas kan delas upp i två huvudgrupper. Den ena omfattar de problem
som naturligt uppstår då man i en ordbok med nutida ortografi och morfologi skall
beskriva ett äldre språks ordförråd, d.v.s. allmängiltiga problem för alla redaktörer av historiska
ordböcker. Problemen som tas upp här belyses ur ett användarperspektiv och utgörs
huvudsakligen av skillnader i ortografiska, morfologiska och ordbildningsmässiga
principer. I grund och botten berör denna fråga konflikten mellan den innehållsliga och
formella sidan av ett ord i historiskt perspektiv. Båda kategorierna utvecklas under tidens
gång varför det till slut kan vara svårt att avgöra huruvida man har att göra med ett och
samma ord och hur detta skall behandlas lexikografiskt.
Den andra huvudgruppen berör snarast de lexikografiska principer SAOB-redaktionen
använt sig av genom tiderna och vilka konsekvenser dessa kan tänkas ha för den faktiska
beskrivningen av vårt ordförråds historia och utveckling.
Allmängiltiga problem
Som tidigare nämnts iakttas den samtida språkformen vid utformningen av stickord, definitioner,
redaktionella språkprov etc. i SAOB. Normen har ändrats ett flertal gånger under
den tid som ordboken redigerats, men de varianter som använts kan förhållandevis
enkelt undersökas och normaliseras till en enhetlig form.
Att stickorden i SAOB har modern form är självfallet helt naturligt. Tyvärr medför det
en del problem i de fall då man är intresserad av en speciell författares bidrag till SAOB,
eftersom alla belägg från den speciella källan måste sökas i en normaliserad form; en form
som kanske inte existerar i den källa man är intresserad av.
Ett naturligt tillvägagångssätt är då att använda källhänvisningen, t.ex. författarnamnet,
som sökvariabel, ta ut alla belägg i konkordansform och sedan gå vidare till databasen
för att få hela kontexten till språkprovet och se vilken artikel det står i. På det viset får
man upp hela det aktuella språkprovet inklusive källhänvisning och kan notera de uppgifter
som intresserar en. Arbetsmetoden är mödosam såtillvida att man får tillbringa
mycket tid framför en dataskärm, men är betydligt mer effektiv än att leta i den tryckta
utgåvan, spalt för spalt.
I sökningen efter Serenius-belägg användes namnet som sökvariabel och från varje
konkordansrad gick jag vidare till den aktuella kontexten för att därigenom få det fullständiga
språkprovet. Genom detta förfarande fick jag fram aktuell SAOB-artikel med
stickordet i normaliserad form. För att komma åt den ordform som fanns i själva källmaterialet,
Serenius ordböcker, var jag dock tvungen att i flera fall konsultera själva källan.
Orsaken till detta är att SAOB i många fall inte skriver ut hela språkprovet utan bara
anger källhänvisningen. En jämförelse mellan källmaterialet och SAOB visar tydligt på
de skillnader som kan finnas mellan de olika materialen. Vid undersökningen framkom
bl.a. följande skillnader mellan Serenius stavning och SAOB:s normaliserade form.

62
Serenius
servieter
gouverneurska
amalie-färg
klöster
diopterlineal
campecheträ
maill-spel
cotelletter
SAOB
servetter
guvernörska
emaljfärg
kloster
diopterlinjal
kampeschträ
maljspel
kotletter
Förutom klöster som är en äldre svensk form av kloster uppvisar ortografin drag av ordens
utländska, i många fall franska, ursprung. Serenius ordböcker utkom under första hälften
av 1700-talet, en period då franskt inflytande dominerade. Stavningen är därför inte förvånande
i sig, men kan vara intressant att undersöka i förhållande till det förmodade engelska
inflytandet på ordboken. (I fallet amalie-färg kan man dessutom undra om
ortografin också återspeglar ett annorlunda uttal.)
Om man fäster vikt inte bara vid beläggens förekomst i SAOB överhuvud taget utan
också vid deras form, är det nödvändigt att gå tillbaka till själva källmaterialet för att få
beläggens ursprungliga ortografi.
Samma resonemang ligger också till grund för andra språkliga fenomen som kan vara
intressanta att undersöka. Nedan visas två exempel på fogemorfem som skiljer sig mellan
Serenius och SAOB. I fallet ihopafattad skiljer sig även det första morfemets form åt mellan
de båda ordböckerna, vilket aktualiserar frågan vad som räknas som ett och samma
ord och vilka redigeringsprinciper SAOB har i dessa fall.
Serenius
apothecare-book
ihopafattad
SAOB
apotekarbok
hopfatta
Problem relaterade till SAOB:s redigeringsprinciper
I den undersökning som refereras och från vilken exemplen är hämtade fokuserades särskilt
sammansättningsbeläggen från Serenius ordbok från 1734. I arbetet med dessa aktualiserades
ytterligare problem som snarast hör ihop med hur SAOB redigeras.
Svenskans sätt att bilda sammansättningar kan sägas vara tämligen enastående.Vad
som utmärker en sammansättnings formella sida är att ordleden är hopskrivna, vanligen
utan bindestreck. Bindestreck kan dock användas i vissa fall, särskilt om sammansättningen
räknas som tillfällig. En sammansättning skall också ha s.k. sammansättningsaccent,
ett kriterium som dock inte går att använda här eftersom SAOB, av naturliga skäl,
inte omfattar talat material. Man kan m.a.o. inte veta hur de excerperade orden uttalats
mer än i undantagsfall, då man av en eller annan anledning har mer explicita uppgifter
om somliga ords uttal noterade i samtida litteratur.
Genom tidernas gång har man haft olika praxis för sär- och sammanskrivning av sammansättningar.
Den tendens man idag på många håll oroar sig över, att sammansättningar
oftare skrivs isär, är inget nytt. Denna skiftande praxis tillsammans med det faktum
att man inte vet hur orden uttalas medför ibland att man kan tveka inför somliga belägg
som av SAOB klassificerats som en sammansättning.

63
Följande exempel ur Serenius ordböcker har av SAOB angivits som sammansättningar
trots att de formellt sett inte behöver betraktas som sådana.
Serenius form SAOB:s form Engelsk motsvarighet 1734
Förstabelägg
belätes dyrkan belätesdyrkan imageworship
marknads rättighet marknadsrättighet (ingen engelsk ekvivalent) 1
sinnes benägenhet sinnesbenägenhet affection
sinnes likhet sinneslikhet congeniality or likeness of Genius
sinnes styrka sinnesstyrka strenght of mind
sinnes övning sinnesövning exercise
Inte förstabelägg
hufwud ord huvudord a leading word
mellan liggande mellanliggande interjacent
sinnes föreställning sinnesföreställning idea
sinnes orolighet sinnesorolighet a disturbance of the mind
Serenius har för vana att alltid använda bindestreck mellan ordleden i en sammansättning,
vilket han inte gjort i ovanstående exempel. Möjligheten finns naturligtvis att devisen
fallit bort i trycket just i dessa ord, men det finns också en möjlighet att de inte uttalats
som en sammansättning utan snarare skall ses som en fras.
I Serenius ordböcker finns två sätt att ange sammansättningar – antingen i själva artikeln
eller i en särskild avdelning benämnd composita. I det första fallet brukar sammansättningen
få en ordklassmarkering, men inte i det andra fallet. Då kan man å andra sidan
använda rubriken composita som kriterium på att Serenius uppfattat orden som sammansättningar.
Eftersom beläggen kommer ur en engelsk–svensk ordbok går ordklasskriteriet inte att
tillämpa, eftersom alla ordklassmarkeringar hör till de engelska orden. Den svenska ekvivalenten
kan ju vara en sammansättning även om det engelska ordet är ett simplex eller
rentav en fras och vice versa.
Det är således svårt att tillämpa formella kriterier på orden för att avgöra om de är
sammansättningar eller inte. I många fall kan det vara så att devisen utelämnats eller fallit
bort. Det förefaller dock märkligt att ett devisen skulle fattas just på så många belägg
av en sammansättning med förleden ”sinnes-” ur 1734 års ordbok. (Bland exemplen ingår
också ”sinnesförbehåll”. I SAOB anges källan till sidan Nn2a i Serenius 1734, men jag har
inte lyckats hitta exemplet och kan således inte se om det också är särskrivet i 1734 års
ordbok). Orden är i många fall också förstabelägg, vilket kan tyda på att de inte var helt
etablerade som sammansättningar 1734. De finns heller inte med i 1741 års svensk–engelska
ordbok, så man kan inte jämföra med stavningen där. Det finns dock ett annat exempel
i 1741 års ordbok, frasen sinnes jemlikhet som återfinns i artikeln SINNE . Här är
belägget uppenbarligen en fras eftersom den inte har någon ordklassmarkering eller står
som composita. Förmodligen gör man klokt i att betrakta även de andra beläggen med
”sinnes-” som fraser.
1.Ordet ingår som del i förklaringen till den engelska sammansättningen ”market-town” = ”stad som
har marknads rättighet”.

64
Av ovanstående fall finns endast ett av beläggen med i 1741 års ordbok, nämligen
hufwud-ord, då stavat med divis och placerat under avdelningen composita. Detta kan förmodligen
tas som intäkt för att ett tryckfel förelegat i 1734 års ordbok och att ordet därmed
kan betraktas som en riktig sammansättning.
Genom att ange ovanstående belägg som sammansättningar har SAOB också gett en
tidsangivelse för etablerandet av orden i fråga som sammansättningar. Man kan på goda
grunder fråga sig om denna tidsgräns är korrekt, med tanke på vad som visat sig när man
närmare kontrollerar beläggen mot källan. Kanske är det så att SAOB i detta fall satt en
för tidig angivelse, och föregripit den eventuella utvecklingen av sammansättningen.
Exemplen är inte många i detta fall, men sätter ändå fingret på en öm punkt när det
gäller att skildra lexikalisering av vissa typer av begrepp.
Ett motsvarande resonemang ligger också till grund för nästa exempelkategori. I detta
fall förutsätter SAOB att man utifrån en belagd verbform implicit kan belägga även andra
verbformer. Även dessa exempel är tagna från Serenius ordböcker och behandlar s.k. partikelverb.
Partikelverb behandlas i SAOB under rubriken “särskilda förbindelser”. Partikelverb
består av ett verb och en s.k. partikel, vanligen ett adverb. Partikeln kan för vissa verb ha
s.k. lös förbindelse och står då efter verbet, t.ex. följa upp. Vad som skiljer partikelverbet
från den motsvarande regelbundna konstruktionen är bl.a. att partikeln inte kan skiljas
från sitt verb och att betoningen ligger på partikeln. Jämför exemplen Man skall följa upp
projektet och Hon följde honom upp för trappan.
Somliga partikelverb har både lös och s.k. fast förbindelse, d.v.s. de kan ha partikeln
före själva verbet, ihopskrivet med detta: uppfölja. Vanligen innebär detta en stilskillnad
såtillvida att lös förbindelse är mer talspråklig och fast förbindelse högtidligare och mer
skriftspråklig. I vissa fall inträffar också betydelseskillnad (jfr komma ned och nedkomma).
Ytterligare andra verb har bara fast förbindelse. Orsaken till att man ändå kallar dem
partikelverb är främst att de har betoningen på partikeln (t.ex. inträffa).
Kategorin partikelverb är således komplex och omfattar många regler. En av dessa är
att partikelverb som vanligen inte har fast förbindelse i de olika tempusformerna ändå
kan ha detta i perfektparticip, t.ex. verbet äta upp, som normalt inte konstrueras *uppäta.
Det går dock bra att använda den fasta förbindelsen i formen Maten är uppäten, då verbet
står i perfekt particip.
I Serenius ordböcker förekommer ett antal participiella former som han placerat under
respektive huvudverb och kallat adjektiv. SAOB har tagit dessa participiella former hos
Serenius till intäkt för att de existerat även i andra former, och anger Serenius som belägg
till följande partikelverb, angivna i grundform i SAOB. Man har också ändrat partikelns
form, i några fall från ihop till hop, i andra fall tvärtom.
Serenius form
SAOB:s form
hopläkt läka ihop; hopläka 1:a belägg
hopwiken ihopvika 1:a belägg
ihopafattad
hopfatta
ihoparäknad hopräkna 1:a belägg
ihopaskrefven hopskriva 1:a belägg
ihopsläpad hopsläpa 1:a belägg

65
I förordet till Illustrerad Svensk Ordbok (1964, tredje upplagan) säger Bertil Molde att
man sorterar partikelverben under respektive partikel i de fall då ”fast sammansättning
är regel eller kan tänkas ”. Kanske har man tillämpat samma princip i SAOB. Enligt mitt
förmenande bör man dock vara försiktig med detta tillvägagångssätt när det gäller en historisk
ordbok. Det är väl känt att partikelverbens konstruktion ändrats genom tiderna och
man kan inte ta för givet att en fast förbindelse i participiell form också alltid finns i
grundform.
I nedanstående tre exempel tas den av Serenius angivna formen till intäkt för att orden
också existerat i andra former samtidigt, ett i och för sig rimligt antagande som dock tål
att tänka på, särskilt i fallet järnwaror. Det är ingen orimlig hypotes att anta att ordet,
som är ett förstabelägg, bildats i enlighet med det engelska ordet och först kommit att användas
i plural. Singularformen förefaller än idag vara dåligt företrädd i faktiskt språkbruk,
även om vi naturligtvis förstår vad ordet betyder. Det ligger i sakens natur att ordet
oftare förekommer i plural.
Serenius
SAOB
ingrafning ingräva 1:a belägg
bond-dansar bonddans 1:a belägg (country-dances)
järn-varor (iron-ware) järnvara 1:a belägg (iron-ware)
Inkonsekvenser i SAOB:s källangivelser
Serenius ordböcker är alla excerperade för SAOB. Källhänvisningarna skiljer sig dock
mellan de olika banden vilket kan vara irriterande när man måste gå tillbaka till källorna
för att slå upp exemplen.
När SAOB citerar den engelsk–svenska ordboken från 1734 brukar man i många fall
ange den engelska källspråksenheten, vilket underlättar sökandet efter den artikel i Serenius
ordbok från vilken språkprovet excerperats. Till exemplet sifferskrift anges det engelska
ordet nullity, och hela belägget finns i artikeln NULL som därmed är lätt att hitta.
I följande exempel utgörs SAOB:s språkprov av en svensk sammansättning, tagen ur
Serenius engelsk–svenska ordbok från 1734 med angivande av det engelska stickordet i
versaler. Sammansättningen är dock inte ekvivalent till detta stickord utan till en annan
sammansättning i samma artikel. Angivandet av i vilken artikel man hittar belägget underlättar
dock betydligt för läsaren.
Sammansättning i SAOB Engelsk ssgr Engelskt stickord
ciderkrog cider-house HOUSE
grönmångelska herb-woman HERB
gröntorg herb-market HERB
disktvätterska scullion-wench SCULLERY
hörnbord side-board-table SIDE
Emellanåt ger SAOB bara sidhänvisningen till Serenius ordbok och ingen engelsk motsvarighet,
t.ex. sjette som har hänvisningen Eee2a. I just detta exempel är det ändå enkelt att
tänka sig i vilken artikel man skall leta efter det fullständiga språkprovet: SIX.

66
Värre är det med exempel som består av fraser, t.ex. sitta i förhand, Hh3a. I dessa fall
kan det vara knepigt att hitta rätt artikel eftersom man kan behöva leta efter en engelsk
motsvarighet till antingen sitta eller förhand. Värst är det när det exempel som SAOB tagit
fasta på inte ingår i själva betydelsebeskrivningen av den engelska enheten, utan står
i någon bruklighetsangivelse som, semantiskt sett, inte har något med artikeln att göra.
Bibelord och bondord är exempel på detta. Bibelord står som kommentar till ordet glantz
och bondord står angivet till ordet fall. I dessa, och flera andra, exempel är det hart när
omöjligt att på kort tid hitta exemplet i Serenius ordböcker eftersom det inte på något sätt
är semantiskt eller logiskt förknippat med den artikel i vilken det förekommer.
Sammanfattning
SAOB bygger på en mångfald skriftliga källor vilket också utgör en av ordbokens starka
sidor. Antalet källor medför emellertid att man inte har möjlighet att undersöka dessa
närmare för att utröna deras speciella egenheter, något som heller inte kan sägas falla på
ordboksredaktionens bord. Dessvärre måste man påpeka att SAOB hade blivit en ännu
bättre ordbok om man också haft möjlighet att ta hänsyn till hur källmaterialet i sig var
uppbyggt och vad det vilade på.
Serenius tre ordböcker bygger t.ex. alla på varandra. Den första, engelsk–svenska, är
dessutom en osjälvständig produkt, kalkerad på en engelsk–fransk förlaga. Vad detta betytt
för innehållet i ordboken utreds i mitt pågående avhandlingsarbete, men man kan redan
nu säga att det svenska ordförråd som skildras i Serenius ordböcker till mycket stor
del är beskrivet på engelskans villkor. Man kan förmoda att det förhåller sig på liknande
sätt även med andra, tvåspråkiga ordböcker.
Eftersom SAOB till stor del bygger på annat ordboksmaterial, vilket faller sig naturligt,
är det också av stor vikt att detta material undersöks noggrant; en forskningstradition
som dessvärre är försummad i Sverige.
Den typ av exempel som redovisats i denna artikel går naturligtvis att hitta också vid
mindre, manuella sökningar i SAOB. Genom OSA-databasen ökar dock möjligheterna till
större sökningar, varvid också de tveksamma beläggen lättare kommer i dagen. Vad som
redovisats här utgör bara en liten del av en förmodad, större kategori av lexikalt material
som behandlats enligt tveksamma principer i SAOB. Ingen kan emellertid lastas för det
och SAOB är fortfarande en oumbärlig ordbok i historisk, lexikalisk forskning. Kanske
kan man säga att den blir ännu bättre när man på detta sätt också kan lära känna bristerna
bättre. Först då kan man till fullo uppskatta dess förtjänster.
Litteratur
Ordbok över svenska språket, utg. av Svenska Akademien. (Svenska Akademiens ordbok.)
1893 –. Lund.
Serenius, J. 1734. Dictionarium Anglo–Svethico–Latinum. Hamburg.
Serenius, J. 1741. Dictionarium Suethico–Anglo–Latinum. Stockholm.
Serenius, J. 1757. An english and swedish dictionary. 2 ed. Nykoping.

67
Rudolf Rydstedt
Etymologierna
SAOB är inte någon etymologisk ordbok i snäv mening, men det är ändå ett av de verk där
mest genomarbetad etymologisk information om ord i svenskan finns samlad. Det är därför
lockande att försöka använda SAOB som en modell av ordförrådet från reformationen
och framåt vid studier av t.ex. vilka inlåningsvägar som har dominerat för ord inom skilda
fackområden under olika tider. Det är dock viktigt att komma ihåg att den tryckta ordboken
är utformad för att användas just som en ordbok, inte en maskinellt hanterad lexikalisk
databas. Detta är något som inte bara avspeglas i själva ordbokstexten utan även i att
den dokumentation som finns att tillgå är väl knapphändig för att ge ett fullgott stöd vid
mera omfattande maskinella bearbetningar. Trots det är naturligtvis den dokumentation
som verkligen finns tillgänglig värdefull. Några sidor med allmänna principer står att finna
i de publicerade handledningarna (Lundbladh 1992:71–74; Ekbo & Loman 1971:23–
26). Sigurd för en allmännare diskussion i en artikel med anledning av Akademiens 200-
årsjubileum (Sigurd 1986:176–179). Den mest preciserade informationen, med t.ex. principer
för vad som skall räknas som medeltidslatin och nylatin, står att finna i redaktionens
interna anvisningar. Det är dock värt att notera att även dessa anvisningar måste användas
med viss försiktighet beroende på att de inte alltid har använts konsekvent i hela ordboken.
Maskinella undersökningar underlättas av att flertalet etymologier är stramt och formelartat
uppbyggda. Många har en komplexitetsnivå som i exemplen:
jfr d. rend, nor. dial. renn; till RÄNNA, v.
efter nylat. motio
Svårigheterna att hantera informationen maskinellt ökar så fort etymologierna utformningsmässigt
närmar sig vanlig löpande text, men det är värt att notera att även små och
enkla etymologier kan ställa till problem, t.ex. genom att information måste hämtas från
andra ställen i texten för att etymologin skall bli hanterlig. Den typ av rent tekniska problem
som måste lösas för att hantera t.ex. ifyllnad av information från andra delar av texten
förbigås dock i det följande för att intresset i stället skall kunna ägnas åt några
aspekter på själva informationsstrukturen i etymologierna:
1. Balansen i den etymologiska informationens omfång. Redan SAOB:s urval av ord kan
emellanåt vara problematiskt när verket skall användas som en modell av svenskans ordförråd
från reformationen och framåt. Variationer i etymologiernas utförlighet minskar inte
svårigheterna.
2. Relationerna mellan enheterna i etymologierna. Etymologier, inte bara i SAOB, är strukturerade
kring skenbart lättbegripliga uttryck som jämför, av, till och efter. En närmare analys
visar emellertid att det ofta inte alls är självklart vad de innebär.
3. Språken i etymologierna. Det är långt ifrån självklart hur språk skall grupperas och avgränsas,
eller ens vad de skall kallas.
Balansen i den etymologiska informationens omfång
Den mest grundläggande faktor som styr balansen i den etymologiska information som
SAOB ger om det svenska ordförrådet är valet av ord som över huvud taget behandlas i
ordboken. Det är ett allmänt problem som gäller vid alla tillämpningar där SAOB i någon
mån skall användas som en modell för svenskans ordförråd och diskuteras därför i ett särskilt
avsnitt (“SAOB:s täckning” på sidan 51). Ett par specifika faktorer som påverkar just

68
den etymologiska informationen är (1) att utförligheten i den etymologiska beskrivningen
har växlat under arbetets gång och (2) att olika delar av ordförrådet behandlas med olika
utförlighet.
Variation i utförlighet är viktig bl.a. genom att den påverkar tendensen för olika språk
att komma med i etymologiska kedjor. Om en kortfattad etymologi kan inskränkas till ett
”av fr. xxx.”, kan en utförligare vindla sig ända ner till konstruerade indoeuropeiska former.
På vägen kan latin, grekiska, persiska o.s.v. dyka upp. Variationen kan få mycket
stark inverkan på utfallet hos kvantitativa bearbetningar eftersom dessa har just redovisade
språk som stödjepunkter. Sigurd tecknar det allmänna mönstret för variationen på
följande sätt:
Etymologiernas utförlighet varierar kraftigt mellan de olika banden. De har blivit
mer stringenta i senare band, och där finner man aldrig hänvisningar till
indoeuropeiska rötter. Inte heller finner man i senare band hänvisningar till
etymologiska lexika eller enskilda uppsatser, vilket var vanligt i tidiga band.
I äldre tid kunde en etymologi sträcka sig över en hel spalt (se t.ex. den,
diss). I tidiga etymologier passade redaktören på att ge upplysningar om andra
ord som kan vara av intresse också. Banden B, C, D, E är de mest utförliga i etymologiskt
hänseende … (Sigurd 1986:177)
Beskrivning stämmer väl med det intryck som man får vid en god allmän förtrogenhet med
SAOB. Låt oss därför detaljgranska den på en punkt: hänvisningar till indoeuropeiska rötter.
Vi förutsätter att förekomsten av förkortningen ieur. i en etymologi är en sådan hänvisning
(före M finns det även en handfull fall med indoeur.). Det material som ligger till
grund är en maskinell excerpering av förstaetymologierna i cirka 85 % av SAOB, var spalter
har utelämnats framgår av tabellen nedan. Med förstaetymologi avses den första etymologin
som följer efter ett stickord. Totalt extraherades 36.416 sådana (av Yvonne
Cederholm). Etymologierna har kapats efter 4 radslut i 720 fall, varav 350 i området B–E.
Tabell 6: Vissa fördelningar per bokstav
Bokstav
Antal ieur.
i 1:a etym.
Antal
1:a etym.
Spalter i
boken
Faktiskt
spaltantal a
A 0 4152 2780
B 14 4509 4928
C 0 376 304
D 19 2300 2624
E 2 1250 880
F 3 830 3616 c. 1700
G 25 1669 1764
H 33 1885 2432
I 9 1337 1256
J 5 381 504
K 38 4013 3880
L 31 1438 1972
M 34 2322 2168
N 16 1018 1308
O 11 1037 1776 c. 1400

69
Tabell 6: Vissa fördelningar per bokstav
Bokstav
Antal ieur.
i 1:a etym.
Antal
1:a etym.
Spalter i
boken
Faktiskt
spaltantal a
P 0 554 3132 c. 1000
Q 0 0 4 0
R 21 2556 4632 c. 4200
S 19 4760 13.768 c. 10.600
Där över huvud taget någon etymologisk upplysning ges är det här [i sammansättningar
i ramsa] oftast fråga om översättningslån, … (Ekbo & Loman
1971:25).
Den ojämlika behandlingen av enkla ord och sammansättningar kan ställa till problem om
man vill jämföra just den etymologiska bakgrunden hos ord som har lånats in som sama.
Det antal spalter som har utnyttjats i undersökningen anges enbart om det
avviker från antalet i den tryckta boken.
Mängden ieur. är låg under de två först färdigställda bokstäverna A och C för att stiga under
B och D. Sedan sjunker den abrupt. De låga siffrorna på A och C beror delvis på att
förkortningen ieur. inte hunnit sätta sig ännu. Sänkningen efter D hänger samman med
den uppstramning av ordbokens arbete som skedde under Ebbe Tuneld i början av tjugotalet
(Sigurd 1986:156). Med tiden svänger pendeln från hastighet i publiceringen till utförlighet
igen. Andelen ieur. stiger redan under G för att minska med början på O – och så
stiger den igen under R och S. Även här finns det ett samband med byten av ordbokschef:
Pelle Holm avlöser Tuneld under M för att sedan själv avlösas av Sven Ekbo ungefär vid
övergången till R.
Det viktiga med den övergripande variationen i andelen ieur. är att den visar på att förskjutningar
i redaktionell policy kan ställa till besynnerliga ojämnheter i materialet. Tabellen
visar dessutom att inte ens en gammal redaktör som Sigurd (med ronsard som
första och sjastrar som sista artikel) har en säker intuition för hur SAOB är uppbyggd. Det
får försiktiga redaktörer att lite svepande formulera sig i stil med:
SAOB ger i allmänhet inga urgermanska eller urindoeuropeiska konstruerade
former; av den sakförståndige kan dessa former ändå utan svårighet konstrueras.
(Ekbo & Loman 1971:25).
Försiktighet befrämjar nog korrektheten, men knappast tydligheten i bilden av ordboken.
OSA-databasen gör att svårigheten att få grepp om den interna variationen i SAOB minskar
i någon mån, men det är värt att notera att det fortfarande kan vara problematiskt att
utifrån summariska sammanställningar komma fram till vad variationen egentligen beror
på och vad den säger. Den som studerar tabellen ovan utan tillräcklig bakgrundskunskap
kan t.ex. dra slutsatsen att ord som inleds med A, C och E är mindre ”indoeuropeiska”
än de som inleds av andra bokstäver. För en språkvetare är redan bruttosiffrornas storlek
en varning, andelen ord i svenskan med indoeuropeiskt ursprung bör rimligen vara större
än någon procent. Men vilka intuitioner har vi för frekvenser hos t.ex. ord som ytterst
kommer från semitiska språk
Nu varierar inte utförligheten i etymologierna bara med när artiklarna är skrivna. En
minst lika viktig faktor är att olika delar av ordförrådet behandlas på skilda sätt. Ett par
uttalade principer är att ge lånord knappare behandling än arvord och nya lån knappare
än äldre (Ekbo & Loman 1971:25). Rimligtvis är det något som kan göra att 1500-talet kan
få proportionellt sett för höga siffror för lån ytterst från persiska jämfört med 1900-talet.
Även morfologiskt mera komplexa ord tenderar att bli mindre utförligt behandlade. Det
gäller inte minst sammansättningar:

70
mansättningar respektive enkla ord. Därmed inte sagt att det alltid skulle röra sig om
ohanterliga problem. Genom att man kan räkna ut i vilken riktning som felkällorna kommer
att påverka sifforna går det ofta att kompensera för dem. Men det är inte några korrektioner
som utförs automatiskt.
Relationerna mellan enheterna i etymologierna
Den typiska etymologin, i SAOB och annorstädes, är en kortare eller längre kedja där ett
ord knyts samman med en räcka bakomliggande former. I det enklaste fallet innehåller
kedjan bara en länk med information om relation, språk och form enligt mönstret:
av t. xxx
En omedelbar fråga är nu hur det lilla av skall tolkas. Det verkar rimligt att anta att det
indikerar att det ord som etymologin gäller har kommit från det språk som anges:
När ord har lånats från ett visst språk meddelas det ofta med prepositionen av
följd av beteckning för det språk som ordet direkt kan härledas ifrån. Skulle det
i stället stå efter följt av en språkbeteckning och ett ord på detta främmande
språk, innebär det att ordet är bildat efter mönster av det främmande ordet,
t.ex. det döda sprödighet ’sprödhet’ efter tyskans sprödigkeit eller rättfärdig
efter medellågtyska rechtverdich (tyska rechtvertig). När efter används påminner
förhållandet mellan orden ibland om det som råder vid översättningslån,
men vid sådana anförs det ord som är det sannolika ursprunget till det förmodade
översättningslånet ofta efter ett jämför (jfr), t.ex. rörelsefrihet: jfr t. bewegungsfreihet.
(Lundbladh 1992:73)
En liten detalj är att Lundbladh inte säger att av innebär ett starkt hävdande av omedelbart
ursprung. Hellqvist, som Lundbladh ger en allmän hänvisning till (1992:74), går så
långt att han jämställer av med ytterst av och påpekar explicit att av inte innebär ett ställningstagande
till om ordet kommit in direkt eller genom förmedling av ett annat språk –
starkt hävdande av direktlån sker med prepositionen från (Hellqvist 1966:1480). Skälet
till att denna typ av detaljer är av synnerlig vikt i kvantitativt orienterade undersökningar
är att de kan leda till grova snedvridningar i resultaten om de inte beaktas. Ett exempel
på det är etymologier enligt schemat:
avledn. av XXX
Skrivsättet kan inte tas till intäkt för att det rör sig om en inhemsk avledning, även om en
sådan formulering normalt innebär att det åtminstone delvis kan vara det (Ekbo & Loman
1971:25). Vid första anblicken kan SAOB:s princip här verka mer än lovligt lättsinnig,
men det finns allvarliga språkvetenskapliga problem i bakgrunden. När man diskuterar
etymologier sker det ofta med metaforer som inte alltid leder tankarna rätt, något som för
övrigt Ralph har kritiserat (Ralph 1994:72). I metaforsystemet ingår att man tänker sig
språk som avgränsade aktörer som lämnar över ord till varandra. Men i verkligheten finns
det språkbrukare som krånglar till det hela. Det är de som lånar och skapar orden, inte
språken i sig. Det är t.ex. fullt möjligt att vissa ord som ser ut som vanliga lån från tyskan
i själva verket är avledningar som en svensk med kunskaper i tyska har ”lånat in” från sin
egen tyska idiolekt, där ordet finns som en nybildning. Svenskan kan därför ha lånat in
ord från tyskan som ingen tysk någonsin vare sig har tänkt, sagt eller skrivit (jfr liknande
fenomen i det äktsvenska freestyle för engelskans walkman). Språkvetenskapligt är detta
egentligen självklart, men det har obehagliga implikationer för den etymologiska forskningen
genom att det gör det svårare att avgöra ordens ursprung.
I det aktuella fallet med etymologier till avledningar motiverar svårigheten att bestämma
hur avledningen egentligen har kommit in i svenskan den undanglidande tolkningen
av avledn. av. Priset för denna försiktighet är dock att av får skilda betydelser i etymologier
med avledn. av jämfört med normalfallet. I normalfallet innebär av ett hävdande av
att det som följer efter har varit inblandat i tillblivelsen, i fallet med avledn. av gör redak-

71
törerna Ekbo och Loman en markering av att av i just det fallet inte innebär ett sådant
hävdande. Vad detta får för praktiska konsekvenser vid maskinella sökningar framgår
tydligare om man drar in de frekventa jfr-etymologierna – av de 36.416 förstaetymologier
som nämns ovan är 16.609 sådana. De används i samband med översättningslån på det
sätt som Lundbladh nämner i citatet ovan, men de används också för att markera t.ex. osäkerhet
om inlåningsväg. Det är lätt att räkna ut att exterritorial kommer ytterst av latinet
eller i varje fall av latinskt material, men svårare att säga om vi har fått ordet via tyskan,
engelskan eller franskan (om det nu inte har kommit via alla vägarna parallellt), vilket
motiverar etymologin:
jfr t., eng., fr. exterritorial, ytterst av ex, ur (se EX-) o. territorium, område (se
TERRITORIUM)
Det torde i många sammanhang vara mera relevant att föra samman avledn. av med jfr
än att gruppera alla etymologier med av i en kategori i kontrast till dem med jfr. Men är
alla jfr jämbördiga, eller måste även den gruppen finfördelas efter vad som skenbart bara
är små detaljer
Språken i etymologierna
Till de bekymmer som man kan vilja befria en användare av SAOB från är variationer i
språkbeteckningar. Dessa är av två slag: (1) rena variationer i uttryckssätt, t.ex. sp. –
span. – spanska och holl. – nl.; (2) variationer i omfång, t.ex. t. – ht. – lt. – mlt. Den senare
typen ställer till mycket svåra problem vid sammanräkningar. När skall t.ex. skånsk dialekt
räknas som en form av svenska Om man väljer att räkna äldre skånska ord som har
lånats in i rikssvenskan som danska lån, skall då t.ex. småländska ord som har lånats in
i riksspråket räknas som svenska lån Denna typ av frågor kan inte besvaras generellt då
olika tolkningar är relevanta för olika undersökningar. Variationer av den första typen
mellan synonymer är dock lätta att hantera tekniskt, åtminstone i princip. Den allra enklaste
lösningen är att normalisera den redaktionella texten genom att välja ut en av de alternativa
beteckningarna och ändra konsekvent till den, en operation som i praktiken
bara är en förfinad form av den typ av sök- och ändra-operation som alla med erfarenhet
av ordbehandling är bekant med. Det förfinade ligger i att utbytena måste göras starkt
kontextberoende så att språkprov och liknande inte korrumperas. En aningen mer komplicerad
lösning är att lägga in normaliseringar i SGML-taggar (för allmänna aspekter på
taggningen se “SGML-taggning av SAOB” på sidan 15 och framåt.). Det är den senare lösningen
som kommer att användas, inte minst för att många språkbeteckningar i vilket fall
som helst måste specialkodas för att tvetydigheter skall undvikas: fr. kan t.ex. lösas upp
både som franska och som från. Innan några justeringar kan göras ens genom att tilläggsinformation
läggs in i SGML-taggar är det dock nödvändigt att man skaffar sig ett mycket
gott grepp om vilka språkkoder som faktiskt används i texten och om hur de varierar med
varandra. Den existerande dokumentationen hjälper långt men inte riktigt ända fram då
dess huvudsakliga uppgift är att vägleda redaktörerna, inte att redovisa varje egenhet
som har uppstått under ett sekels arbete. Den största svårigheten rent praktiskt är dock
att informationen är spridd i ett antal olika källor, vilket gör det lätt att missa något. Det
är därför nödvändigt att komplettera med rent empiriska undersökningar för att leta reda
på odokumenterade språkkoder och för att kontrollera att den existerande dokumentationen
verkligen stämmer – och inte minst att man har grävt tillräckligt djupt i den. Det kan
illustreras med paren holl. – nl. och lt. – nt.
Man skulle kunna tro holl. var en nl.-dialekt, d.v.s. att beteckningarna är närliggande
men inte synonyma, men i själva verket har den förra beteckningen blivit ersatt med den
senare. Det gör att nl. inte nämns i förkortningslistan i bd 1, däremot noterar Lundbladh
(1992:80) ändringen. I det djupbearbetade materialet finns också en skarp gräns: sista ordet
med anknytning till holl. är skytke och första med en koppling till nl. är slopa. Detta
fall är lyckligt i det att man kan verifiera att dokumentationen och den faktiska texten

72
stämmer med varandra. Det är inte riktigt lika enkelt med nt. och lt. Av dessa nämns formen
nt. varken i Lundbladhs förkortningslista eller i förordet till bd. 1. Däremot finns den
med i redaktionens tryckta men opublicerade Handbok för redigering af Svenska Akademiens
ordbok från 1904. I de djupbearbetade etymologierna dyker nt. upp redan i akter och
försvinner efter nidska, där det alltså ersätts av lt.
Den språkhistoriskt bildade som använder SAOB för att slå upp enstaka ord på ordinärt
sätt kan nog räkna ut att nt. är en förkortning av nedertyska, ungefär som mnt är en
förkortning för medelnedertyska. Den som söker maskinellt på lt. och mlt. för att hitta lågtyskt
inflytande anar nog att allt inte står rätt till när inte ett enda belägg dyker upp före
bokstaven O. Den som kan råka illa ut är den som utgår från t.ex. Lundbladh och söker på
de beteckningar som har lågtyska eller nedertyska i sig där (lt., mlt. och mnt.). I en sådan
sökning förrycks resultatet en aning, men inte helt. Det är tillräckligt för att den skall
kunna påverka slutsatser, men tillräckligt liten för att felkällan skall vara svår att märka.
När väl variationen är upptäckt i fall som holl. – nl. och nt – lt. är den ofta lätt att åtgärda
med hjälp av en normalisering eller tilläggsinformation i en SGML-tagg.
Litteratur
Ekbo, S. & Loman, B. [1965] 1971. Vägledning till Svenska Akademiens ordbok. 2 uppl.
Stockholm.
Engwall, G. 1994. Svenskt och franskt. I: Arv och lån i svenskan : Sju uppsatser om
ordförrådet i kulturströmmarnas prespektiv. Utgivna av Svenska Akademien.
Stockholm.
Gellerstam, M. 1994. Ordförrådets härledning. Arv och lån i svenskan : Sju uppsatser om
ordförrådet i kulturströmmarnas prespektiv. Utgivna av Svenska Akademien.
Stockholm.
Handbok för redigeringen av Svenska Akademiens ordbok. 1904. Utarbetad av Ernst
Kock.
Handbok för redigeringen av Svenska Akademiens ordbok. 1993. Utarbetad av Hans
Jonsson.
Hellqvist, E. 1966. Svensk etymologisk ordbok. Bd 2. 3. uppl. Lund.
Jonsson, H. 1983. Ekeblad och SAOB. Nysvenska studier. Årg. 61. 19181. Lund.
Lundbladh, C.-E. 1992. Handledning till Svenska Akademiens ordbok. Lund.
Ordbok över svenska språket, utg. av Svenska Akademien. (Svenska Akademiens ordbok.)
1893 –. Lund.
Ralph, B. 1994. Svenskt och nordiskt. Arv och lån i svenskan : Sju uppsatser om
ordförrådet i kulturströmmarnas prespektiv. Utgivna av Svenska Akademien.
Stockholm.
Sigurd, B. 1986. Ordboken, ordlistan och några andra av Svenska Akademiens språkliga
insatser under 1900-talet. I: Allén, Sture & Loman, Bengt & Sigurd, Bengt 1986.
Svenska Akademien och svenska språket : Tre studier. Stockholm.

73
Lars Svensson
Att söka i Språkdatas SAOB-konkordans
Artiklarna i SAOB måste självklart följa de redigeringsregler och principer och starkt
formelaktiga språk som tillämpas, så att verket får en enhetlig och likartad form. Trots
manualer och diskussioner och sökande i ordboken, som har lång tradition, kan det emellertid
inte så sällan vara svårt att snabbt finna lämpliga paralleller l. modeller l. likartade
exempel på det formella planet, t. ex. i fråga om ett ords uttal, böjning l. bruklighet l. en
anmärknings placering l. formulering osv. Ibland minns man (delar av) en bra formulering
av en anmärkning l. bruklighetsangivelse o. d. men inte i vilken artikel den står. Därför
hälsar vi på ordboksredaktionen med stor tillfredsställelse att Språkdatas SAOB-konkordans
nu finns tillgänglig på universitetsnätet.
Konkordansen utgörs av en optisk inläsning av de tryckta volymerna. Materialet i konkordansprogrammet
är lagrat som löpande text i form av ett antal delmängder, var och en
– i vårt fall – bestående av en ordboksartikel. Varje delmängd är försedd med uppgift om
beläggställe. Till ett givet ord kan man få en grafordlista, en konkordans och en kontext.
Graforden och konkordanserna kan sorteras initial- och finalalfabetiskt. Man kan även
söka på fras och årtal, men också på brukligheten (†) [= dead]. Man kan bläddra rad för
rad eller sida för sida och växla listningsriktning. Kommandot ”/a” utvidgar kontexten till
en hel spalt. Det går också att göra en utskrift av skärmbilden.
Hur fungerar då SAOB-konkordansen i praktiken Ja, på det hela taget mycket bra.
Med hjälp av SAOB-konkordansen kan man t. ex. kontrollera en källas skrivning eller
förkortning. Detta är värdefullt, om det förekommer flera uppgifter om källans förkortning.
En sökning på källan ger i allmänhet besked direkt. Vid ett tillfälle kunde en kontrollant
inte finna den på excerptlappen angivna källan Buttmann (1825) bland våra
förkortningar eller i den s. k. Grållan – kontrollanternas egen uppslagsbok och "bibel" rörande
källorna – men en sökning i databasen gav besked: FAXE Buttmann (1825) skall
källan heta. (J. Faxe har översatt Buttmanns grekiska grammatik och kommer att stå som
"författare", eftersom det är den svenske översättarens språk som behandlas i SAOB.)
Om man skall behandla t. ex. en lek eller titel eller ett oböjligt substantiv, så är det
lämpligt att studera hur sådana artiklar brukar behandlas i ordboken.
Anmärkningar är vanliga i ordboken. I en anmärkning kan man behandla en misstänkt
eller avvikande ordform, en felöversättning, att ordet böjdes med latinska ändelser i äldre
svenska o. d. Självklart har man nytta av att granska några anmärkningar för att se vilka
stilar som används, var anmärkningen skall placeras i artikeln. Osv.
Andra exempel där databasen kan ge hjälp och ledning.
Hur återges stumt tecken i ryska ord i etymologiska parentesen
Hur används t. ex. termen "överförd" i SAOB
Exempel på verb bildade till det svaga avljudsstadiet
Exempel på retrograd ordbildning
Uttalsuppgifter i äldre ordböcker (t.ex. Dalins Ordbok öfver svenska språket (1850–
1855), Westes Svenskt och fransyskt lexicon (1807) anförs vid ord, som är döda. Var skall
dessa uttaluppgifter placeras i ordboksartikeln Vilken stil skall de ha Osv.
En svaghet med databasen är att träffarna avser samtliga förekomster av den sökta
bokstavsförbindelsen. Söker man siffrorna t. ex. 1990 så betecknar siffrorna dels årtal,
dels siduppgift i en källa. Men äv. fall som 19:90 registreras. Söker man på STRINDBERG
– 4.775 träffar i databasen – så redovisas samtliga anträffade STRINDBERG: författaren,

74
titlar innehållande ordet STRINDBERG, citat där STRINDBERG ingår, STRINDBERG
som sammansättningsled osv.
När man söker på mer än ett ord så gäller det att reducera antalet träffar. Söker man
t. ex. på ”sbst. oböjl.” så tar det en stund innan man kommit fram till detta ställe i databasen,
eftersom programmet letar sekvensiellt efter det andra ordet i kontexten. Det innebär
att man först får samtliga fall av ”sbst. + o. d., o. p. adj., o. v.”, och så till slut ”sbst. +
oböjl.” Men i stället för att bläddra sig igenom ramsan till aktuellt ställe, så kan man påskynda
sökningen gm att söka på ”sbst. o. v.”, varefter ”sbst. oböjl.” följer. Och att leta igenom
9.225 träffar ”anmärkningar” är hopplöst men träffarna reduceras betydligt om man
söker på t. ex. sekvensen: ”Anm. I nedanstående källa (språkprov)” eller: ”Anm. I äldre
nysv. (sv., tid)”. På samma sätt kan träffarna för ”ry.” (= ryska) reduceras, om man inte
söker på enbart ”ry.” (374 träffar) utan på ”av ry.” eller ”i ry” eller ”efter ry.”, vilket utesluter
icke-språkliga kontexter.
Det vore således idealet om man så småningom kunde söka på parentes, stil eller avdelning
i artikeln (t. ex. etymologiska parentensen). Trots ovan nämnd ”olägenhet”, så
fungerar dock databasen bra som stöd och hjälpmedel för ordboksredaktionen. Det finns
dessutom möjlighet för oss att av Språkdata få en specialkörning eller specialsökning, om
så skulle behövas. På datornätet finns sedan en tid tillbaka dessutom några mycket nyttiga
ordlistor tillkomna som en frukt av konkordansarbetet. Ordbokens samtliga sammansättningar
är sorterade på efterled, huvudorden och avledningarna finalalfabetiskt
ordnade och de särskilda förbindelserna sorterade på partikeln. Vi i Lund tackar och tar
emot!

75
SAOB på Internet
Följande information finns tillgänglig genom OSA-projektets hemsida på Internet:
Konkordans över SAOB Detta är tillsvidare det enda sättet att söka i hela SAOB. Formatet
är dock svårläst och kräver troligen att man har ordboken vid sidan om.
Ordlistor.
Huvudord (alfabetisk och finalalfabetisk sortering)
sammansättningar (sorterade på efterled)
avledningar (finalalfabetisk sortering)
särskilda förbindelser (sorterade på partikel)
facktermer (kronologiskt sorterade)
Bibliografisk databas Databasen är ursprungligen upplagd av ordbokschefen Lars
Svensson. Den innehåller samtliga källor i SAOB t.o.m. 1990, sammanlagt c:a 19 000 referenser.
Vissa justeringar och utökade sökmöjligheter har utförts inom OSA-projektet (se
“Bibliografisk databas” på sidan 37 och framåt).
Hypertextlexikon Vi har bearbetat artiklarna A-advokat för att visa på hur en elektronisk
version av SAOB kan komma att se ut. Det finns också ett enklare söksystem kopplat
till hypertextlexikonet, där man kan söka på huvudord eller del av ett huvudord, t.ex. alla
ord som slutar på ”tion” (se “SAOB som hypertext” på sidan 47 och framåt).
Adresser
Adressen till OSA-projektets hemsida på Internet/World Wide Web är:
http://svenska.gu.se/saob/saobusers.html
Från hemsidan kommer man också åt konkordansprogrammet (Telnet-uppkoppling). Man
kan ta kontakt med systemet direkt via Telnet på följande adress:
svenska.gu.se

77
Ordlista
DTD (Document Type Definition) En dokumenttypsdefinition är en specifikation av
vilka strukturer som får finnas i dokument av den aktuella typen. En ordbok kan t.ex.
definieras som en följd av artiklar, som i sin tur har en given följd av byggelement:
först stickord, sedan uttal, former o.s.v. I SGML-sammanhang (jfr SGML) används
DTD:er vid maskinell kontroll av att strukturen i dokumenten är korrekt markerad.
hypertext Text med förgreningar (länkar) som gör det lätt för läsaren att välja sin egen
väg genom texten eller textkomplexet. I en ordbok är det naturligt att t.ex. göra länkar
mellan förkortningar i själva ordbokstexten och förklaringar till dem. Den koppling av
källhänvisningar i texten till bibliografin som diskuteras av Sofie Kokkinakis
Johansson är ett exempel på hur projektet omvandlar SAOB till en regelrätt hypertext
(sidan 47).
HTML (Hypertext Markup Language) Märkningsspråk (inom ramen för SGML) för
hypertext som används på World Wide Web.
märkningsspråk (markup language) Formellt språk för att märka upp den
innehållsliga strukturen i texter. I SGML-sammanhang definieras märkningsspråket
med en dokumenttypsdefinition (jfr DTD).
OCR (Optical Character Recognition) Datorbaserad överföring av text på papper till
för dator hanterligt format. Maskinen identifierar alltså följden av skrivtecken i
texten. Tekniken fungerar bäst för tryckt eller maskinellt utskriven text.
Perl (Practical Extraction and Report Language) Programmeringsspråk som i första
hand är tänkt att användas dels för systemadministration, men som i stor
utsträckning används för bearbetning av stora texter.
sed (Stream Text Editor) Standardverktyg (editor) inom operativsystemet Unix. Ger
bl.a. en möjlighet att använda reguljära uttryck för att bearbeta texter.
SGML (Standard Generalized Markup Language) SGML är en internationell
standard (ISO 8879) som är till för att göra det lättare att föra över text mellan olika
system. En huvudprincip är att man i första hand skall bekymra sig om vad som är
textens logiska beståndsdelar (vad som är rubriker, framhävd stil, stickord,
etymologier o.s.v.), inte precis om hur de skall se ut.
TEI (Text Encoding Initiative) Internationellt samarbetsprojekt som startades 1987
för att ta fram generella märkningsmodeller för elektroniska texter inom ramen för
SGML. TEI har finansierats av The Association for Computers and the Humanities
(ACH), The Association for Computational Linguistics (ACL) och The Association for
Literary and Linguistic Computing (ALLC). Som ett resultat av projektet publicerades
1994 Guidelines for Electronic Text Encoding and Interchange (TEI P3), redigerad av
C.M. Sperberg-MacQueen och Lou Burnard.
WWW eller web (World Wide Web) Ett världsomspännade informationssystem på
Internet för att länka samman text (hypertext), bilder, video och ljud.

Research Reports from the Department of Swedish, Göteborg University
GU-ISS-96-1
GU-ISS-96-2
GU-ISS-96-3
GU-ISS-96-4
GU-ISS-96-5
GU-ISS-96-6
GU-ISS-96-7
GU-ISS-96-8
GU-ISS-96-9
GU-ISS-96-10
GU-ISS-96-11
Eva Holmqvist, Strukturerad visuell information i en tesaurus för
svenska. Uppsats för licentiatexamen i: Språkvetenskaplig
databehandling med lexikologi
Pernilla Danielsson & Daniel Ridings, PEDANT. Parallel Texts in
Göteborg
Jerker Järborg, Formaliserad lexikologi. Rapport från ett
långtidsprojekt. (Preliminär version)
Sture Allén, Yvonne Cederholm, Sofie Johansson Kokkinakis,
Lena Rogström, Rudolf Rydstedt & Lars Svensson,
Om svar anhålles. Rapport från projektet OSA.
Sofie Johansson Kokkinakis & Dimitrios Kokkinakis, Rule-Based
Tagging in Språkbanken.
Yvonne Cederholm, A Historical Database of Swedish: The O.S.A
Project. Accepted to EURALEX ’96, Göteborg, August 13-19 1996.
Pernilla Danielsson & Daniel Ridings, Annotating Parallel Texts
with the NSL library.
Pernilla Danielsson & Daniel Ridings, Corpus and Terminology:
Software for the Translation Program at Göteborgs universitet or Getting
students to do the work. Accepted to TALC ’96, Lancaster
Pernilla Danielsson & Daniel Ridings, Terminology in Parallel Texts.
Accepted to TKE ’96, Vienna.
Dimitrios Kokkinakis, A system for semi-automatic tagging of (Greek)
corpora. Experiments, results and evaluation. Accepted to the
2nd International Conference on Greek Linguistics, Salzburg, Öst.
Sept 1995.
Dimitrios Kokkinakis, Towards Automatic Corpus-Based Argument
Identification. Accepted to the Predicative Forms in Natural Language
and Lexical Knowledge Bases Workshop, Toulouse, Fra. 1-2 August 1996.
ISSN-1401-5919