Švietimo ir mokslo terminų žodynas ir ontologija
Full text
Diccionario y ontología de términos de educación y ciencia
IRENA MARKIEVICZ, ERIKA RIMKUTĖ
Vytauto Didžiojo universitetas
PALABRAS CLAVE: corpus, términos de educación y ciencia, ontología, diccionario
INTRODUCCIÓN
Entre 2010 y 2012, en el Centro de Lingüística Computacional de la Universidad Vytautas Magnus se llevó a cabo el proyecto financiado por el Consejo de Investigación de Lituania Identificación automática de términos de educación y ciencia (ŠIMTAI 2). El objetivo principal de este proyecto era probar métodos de lingüística de corpus para identificar términos de forma automática o semiautomática y automatizar la extracción, del corpus, de la información necesaria para formular definiciones de términos, facilitando así el trabajo de los terminólogos. Los resultados más importantes de la investigación realizada, además de las metodologías, son un corpus especializado de educación y ciencia (en adelante, EC), de 4 millones de palabras; el Diccionario de términos de educación y ciencia elaborado a partir de este corpus especializado; y la Ontología de términos de educación y ciencia.
El artículo presenta el diccionario de términos de EC y la ontología de términos de EC. Describe la estructura del diccionario y sus diferencias con respecto a otros diccionarios de términos. Se presta mayor atención a la ontología de términos de EC. Se explica cómo se definen las ontologías en distintas disciplinas científicas, para qué sirven y con qué métodos se crean. Se analiza detalladamente la ontología de términos de EC, se presenta su estructura, se ofrecen ejemplos y se explica cómo puede utilizarse esta fuente.
Ambos trabajos —tanto el diccionario de términos de EC como la ontología de términos de EC— se elaboraron a partir del mismo material, es decir, un corpus especializado de EC, utilizando la metodología de la lingüística de corpus y la lingüística computacional.
Este trabajo pretende presentar las posibilidades de la lingüística de corpus y la lingüística computacional en el ámbito de la terminología y llamar la atención de los terminólogos y de quienes elaboran diccionarios de términos o bases de datos sobre el hecho de que es posible automatizar, al menos en parte, la gestión terminológica y conciliar los enfoques prescriptivo y descriptivo del análisis de términos.
56
Irena Markievicz, Erika Rimkutė
Švietimo ir mokslo terminų žodynas ir ontologija
ETAPAS DE ELABORACIÓN DEL DICCIONARIO DE TÉRMINOS DE EDUCACIÓN Y CIENCIA
Los términos del diccionario de términos de educación y ciencia se determinaron en un corpus especializado mediante métodos lingüísticos (véase más ampliamente Grिगonytė et al. 2011; Rimkutė 2012). La elaboración del diccionario duró dos años, es decir, el tiempo que se llevó a cabo el proyecto mencionado anteriormente, y comprendió las siguientes etapas:
1) se compiló un corpus especializado de educación y ciencia de 4 millones de palabras;
2) el corpus se anotó morfológicamente de forma automática;
3) se creó una herramienta de selección automática de términos basada en reglas lingüísticas;
4) se definieron los criterios de selección de los posibles términos;
5) se identificaron unos 11 000 posibles términos, compuestos de entre una y quince palabras;
6) se aplicaron criterios adicionales de selección de posibles términos1;
7) se identificaron 780 términos de educación y ciencia (de 1 a 5 palabras);
8) se elaboró una metodología para definir términos a partir de corpus;
9) se prepararon los recursos lingüísticos necesarios para establecer las definiciones de los términos;
10) se definieron términos de 300 grupos seleccionados;
11) se proporcionaron equivalentes en inglés, alemán y francés para los términos definidos.
Sin duda, la elaboración de cualquier diccionario de términos requiere una gran inversión de tiempo de trabajo de especialistas y recursos financieros. En este artículo se presenta el diccionario de términos de educación y ciencia que, aunque es pequeño —contiene 224 términos (véase más ampliamente el apartado siguiente)—, es metodológicamente muy complejo. Como se desprende de las etapas descritas para elaborar el diccionario, incluso disponiendo de un corpus especializado del ámbito correspondiente2, se necesitaron herramientas especiales3 para reconocer y determinar términos automáticamente.
1 Se analizaron términos de no más de siete palabras; también se tuvo en cuenta la frecuencia: cuanto más corto era el término, con mayor frecuencia debía aparecer. Por ejemplo, solo se analizaron los términos de una palabra que aparecían al menos 20 veces, mientras que los términos de siete palabras debían aparecer al menos dos veces.
2 La compilación del corpus es una de las etapas más importantes y prolongadas de toda la investigación, pues, para construir un corpus representativo en el que fuera posible identificar términos, era necesario seleccionar cuidadosamente los textos, equilibrarlos por género y prepararlos técnicamente (convertirlos de archivos PDF a archivos de texto, cambiar la codificación, etc.).
3 En este proyecto se creó una herramienta adaptada al lituano para identificar términos automáticamente, ya que, como muestran los experimentos anteriores (véase Grigonytė et al. 2011), debido a las diferencias estructurales entre las lenguas, es casi imposible adaptar al lituano herramientas de reconocimiento de términos diseñadas para otras lenguas. Esta herramienta empleó reglas lingüísticas: buscaba términos con determinadas estructuras gramaticales, por ejemplo, adjetivo + sustantivo, genitivo del sustantivo + sustantivo, participio + sustantivo, etc. Los investigadores del letón identifican términos mediante métodos similares (véase Gornostay et al. 2012; Krugļevskis et al. 2005). Según ellos, la identificación de términos mediante métodos lingüísticos (análisis morfosintáctico) es más adecuada que los métodos estadísticos apropiados para lenguas analíticas.
Terminologija | 2013 | 20
57
También fue difícil seleccionar los términos de educación y ciencia (EC) entre todos los sintagmas identificados automáticamente que eran significativos y tenían una estructura gramatical correcta. La dificultad se debió a que, de un corpus de 4 millones de palabras, se identificaron nada menos que 11 000 de los llamados posibles términos. En la siguiente etapa de la investigación y elaboración del diccionario, era importante identificar los términos de EC entre todos los sintagmas (sobre este problema, véase Rimkutė 2012).
Cabe señalar que el diccionario de términos de EC presentado se elaboró a partir de un corpus. Esto significa que no se empleó el método prescriptivo de normalización terminológica tradicional, todavía extendido en Lituania, basado en la competencia de los terminólogos y a veces bastante subjetivo, sino el método descriptivo de análisis y definición de términos, basado en datos de corpus, que se considera superior en la terminología contemporánea. Los corpus son muy necesarios para elaborar diccionarios, pues permiten identificar los patrones de uso de los términos más típicos y frecuentes, que son importantes para definir su significado y seleccionar ejemplos pertinentes.
Debido a la complejidad de la metodología de definición de términos, se decidió definir detalladamente 300 términos. Se seleccionaron términos de determinados grupos: términos con la palabra académico (por ejemplo: libertad académica, ética académica, hora académica), con la palabra trabajo (por ejemplo: trabajo de fin de estudios, deberes, trabajo autónomo), con la palabra formación (por ejemplo: formación universitaria, formación general, educación superior), con la palabra educación (por ejemplo: proveedor de educación, educación de adultos, educación no formal), etc. También se definieron varios términos frecuentes de una sola palabra: estudiante, investigador, universidad, entre otros.
Como en otros diccionarios terminológicos, en el diccionario de términos de EC la mayoría de los términos incluyen equivalentes en inglés, alemán y francés. Estos se recopilaron de fuentes y documentos aprobados del ámbito, así como de bases de datos terminológicas especializadas: Anglų kalbos švietimo terminų žodyno (Glossary of Educational Terms), Aiškinamojo su studijomis susijusių terminų žodyno, Der Europäische Qualifikationsrahmen für lebenslanges Lernen, EuroVoc (el tesauro multilingüe de la Unión Europea), Lietuvos Respublikos terminų banko, entre otras.
Se tomó como referencia principalmente la terminología educativa de Gran Bretaña, Francia y Alemania; sin embargo, el significado de muchos equivalentes de traducción no es exactamente el mismo en el contexto de los sistemas de esos países que el de los términos originales utilizados en el ámbito de la educación y la ciencia de Lituania. Los equivalentes en lenguas extranjeras incluidos en el diccionario son aplicables al sistema de ciencia y educación de la República de Lituania y no siempre (o solo parcialmente) pueden utilizarse para describir el sistema de ciencia y educación de otro país.
58
Irena Markievicz, Erika Rimkutė
Švietimo ir mokslo terminų žodynas ir ontologija
ESTRUCTURA DEL DICCIONARIO DE TÉRMINOS DE EDUCACIÓN Y CIENCIA
El diccionario de términos de EC está disponible gratuitamente en Internet en la dirección http://daukantas.vdu.lt/moksliniai-terminai/.. Contiene 224 términos, aunque en el apartado anterior se decía que se habían definido 300. La diferencia entre el número de términos definidos y el de los incluidos en el diccionario se debe a que se observó que algunos términos (por ejemplo: nivel de cualificación / nivel; grado académico / científico; producción científica; estudios de máster / de maestría; carga lectiva / de trabajo del estudiante; instituto científico estatal / de titularidad estatal) se utilizan como sinónimos y tienen estructuras similares, por lo que se agruparon.
El diccionario de términos de EC contiene los elementos necesarios en todo diccionario terminológico: el término propiamente dicho y su definición. Como se ha mencionado, se indican equivalentes en inglés, alemán y francés. También se incluyen ámbitos temáticos (por ejemplo, gestión de la educación superior, política de educación superior, administración de la educación superior) y abreviaturas de algunos términos.
El diccionario se diferencia de otros diccionarios terminológicos o bases de datos en que también indica todas las formas flexivas de los términos y sus frecuencias, así como la frecuencia total del término en el corpus de EC. Para todos los términos pueden encontrarse al menos dos ejemplos de uso del corpus de EC (los ejemplos no se han editado ni modificado; solo se han acortado en ocasiones), los colocados de izquierda y derecha4 y las concordancias5.
La información del corpus no bastó para definir todos los términos. Los términos cuyas definiciones no podían formularse con suficiente información (por ejemplo: proveedor de formación, beca del estudiante, formación básica) están marcados con asteriscos.
Puesto que los términos se extrajeron del corpus, se sabía con qué frecuencia aparecían; por ello, junto a todos los términos se indica una frecuencia convencional en relación con los demás términos:
★★★ se muestra junto a los términos más frecuentes, que aparecen hasta 500 veces en el corpus de educación y ciencia;
★★☆ se muestra junto a los términos menos frecuentes, que aparecen entre 100 y 499 veces en el corpus;
4 Son los colaboradores contextuales del término analizado, identificados estadísticamente (según su frecuencia), que suelen aparecer a la izquierda y a la derecha del término.
5 Son los casos de uso en el corpus de todas las formas gramaticales del término seleccionado, presentados en el contexto de una línea (la línea de concordancia suele abarcar más de una oración). La concordancia suele analizarse leyéndola primero en vertical, pues solo así se hace patente el uso típico del término. El término analizado aparece en el centro de la línea de concordancia y está resaltado en negrita. A la izquierda y a la derecha del término analizado se indican aproximadamente 50 caracteres del fragmento de concordancia. Para ver un fragmento más largo de la concordancia (aproximadamente 150 caracteres a la izquierda y a la derecha), hay que pulsar el signo más al final de la línea de concordancia.
Terminologija | 2013 | 20
59
★☆☆ se muestra junto a los términos utilizados entre 10 y 99 veces en el corpus;
☆☆☆ se muestra junto a los términos raros, utilizados menos de 10 veces en el corpus.
A continuación, como ilustración del diccionario de términos de educación y ciencia, se presenta el artículo del término estudios de grado.
ESTUDIOS DE GRADO ★☆☆
Definición
Estudios de primer ciclo de educación superior que proporcionan una formación universitaria general y los conocimientos fundamentales de la especialidad elegida, así como el título de grado.
Ejemplos
En las universidades de Estados Unidos es habitual que se ofrezca a los estudiantes más aventajados la posibilidad de combinar los estudios de máster con los de doctorado; más concretamente, de acceder directamente al doctorado tras los estudios de grado (lo que explica en cierta medida por qué los estudios de máster y doctorado se agrupan bajo un solo término, graduate studies, que se cursan en la llamada graduate school) y obtener el título de PhD tras ocho años de estudios universitarios.
El periodo recomendado, incluidos los estudios de grado, es de 5 años.
Los estudios de grado (primer ciclo) suelen durar 4 años (160 créditos, estudios a tiempo completo).
Los estudios de grado, los estudios de máster y los estudios de doctorado concluyen, respectivamente, con la defensa del trabajo de fin de grado, del trabajo de fin de máster y de la tesis doctoral.
Los estudios de grado son estudios de primer ciclo que proporcionan una formación universitaria general y los conocimientos fundamentales de la especialidad elegida.
Frecuencia
estudios de grado 21
estudios de grado 6
estudios de grado 3
estudios de grado 7
estudios de grado 14
Frecuencia total: 51
Equivalentes
Inglés: bachelor’s studies
Alemán: Bachelorstudium
Francés: études de licence
Área temática
administración de la educación superior
60
Irena Markievicz, Erika Rimkutė
Švietimo ir mokslo terminų žodynas ir ontologija
Colocaciones
Colocaciones a la izquierda
Colocaciones a la derecha
PO
estudios de grado
SU
estudios de grado
ABREVIAR
estudios de grado
SOFTWARE
para los estudios de grado
estudios de grado
PRIMER CICLO
estudios de grado
ESTUDIOS DE MÁSTER Y DOCTORADO
Concordancia6
[1]
trabajar o continuar y terminar
los estudios de grado.
Los representantes de la institución de educación superior difundieron un comunicado,
[2]
en los países que ofrecen este tipo de estudios de grado.
Estudios de grado
en el semestre de otoño del cuarto curso, mientras que los estudios de máster
[3]
el programa de estudios de teología, 5 años); a
los estudios de grado
fueron admitidos 1 870 estudiantes, y en 2009 las universidades
[4]
las universidades se atrevieron a acortar a 3 y 3, 5 años
los estudios de grado,
informa de que la Ley de Ciencia y Estudios
[5]
las universidades se atrevieron a acortar a 3 y 3, 5 años
los estudios de grado.
Los graduados universitarios de EE. UU., con el fin de iniciar estudios de máster
[6]
los requisitos de las comisiones: es necesario haber completado
los estudios de grado,
si se solicita admisión a un programa orientado a la investigación,
[7]
años. Las universidades se decidieron a reducir hasta 3 años
los estudios de grado.
Varias universidades se decidieron a reducirlos a 3 y 3,5 años
[8]
créditos (4,5 años) de estudios de grado.
los estudios de grado,
que duran 4 años (los estudios de teología católica
[9]
estudios que no otorgan título. El período recomendado, junto con
los estudios de grado
es de 5 años (3 + 2; 3,5 + 1,5; 4 + 1). Los estudios de grado
[10]
Al pedirle que comparara estos estudios con sus
estudios de grado
en EE. UU., el extranjero observó que aquí es mucho más fácil.
6 Aquí se muestran únicamente las diez primeras filas del concordancia. Al hacer clic en el signo más en el sitio web, se muestra un concordancia más extenso.
Terminologija | 2013 | 20
61
Para algunos términos se proporcionan varios miles de líneas de concordancia. Revisar tal cantidad de información requiere mucho tiempo, y estos datos no son importantes para todos. Para quienes desean saber más sobre el uso de un término y el contexto en el que se emplea el término seleccionado, quizá formular otra definición, elegir los ejemplos necesarios y formarse una opinión objetiva, la concordancia resulta muy útil.
CONCEPTO DE LAS ONTOLOGÍAS Y MOTIVOS PARA SU CREACIÓN
En este capítulo y en los siguientes se trata la ontología de términos de educación y ciencia (ŠM), sus principios de elaboración y las posibilidades de uso de esta y otras ontologías. Para mayor claridad, se presentan varias clasificaciones visualizadas y resultados de la ontología de términos de educación y ciencia.
Las ontologías son medios formales para conceptualizar el conocimiento, que resumen el conocimiento descrito en lenguaje natural en un modelo estructurado y jerárquico de conceptos relacionados. Los problemas de calidad del procesamiento de la información y de polisemia de los términos generan la necesidad de crear bases de términos estructuradas con las que los programas informáticos puedan procesar el lenguaje natural humano (ing. natural language processing) e interpretar su semántica. Por esta razón se crean las ontologías.
Una persona que conoce una lengua determinada comprende fácilmente el significado del texto en lenguaje natural que se le presenta, mientras que un programa informático interpreta la misma información como un conjunto de símbolos textuales y metadatos asociados. Las ontologías son el eslabón que convierte la información escrita en lenguaje natural en un modelo conceptual del conocimiento, fácilmente interpretable por robots de recopilación y procesamiento de información.
La creación de ontologías es un proceso interdisciplinario que abarca los campos de la filosofía, la lingüística y la informática (véase más ampliamente Grigonytė 2010). En filosofía, la ontología se entiende como la disciplina que estudia el ser y la existencia. Los lingüistas amplían esta definición de ontología; en lingüística, una ontología es una red de conceptos individuales y de los términos que los describen. En informática, una ontología es una representación lógica y formal de la realidad.
La fuente más extensa y fácilmente accesible de textos en lenguaje natural es internet; por ello, las ontologías suelen entenderse como uno de los medios de la web semántica y de la búsqueda semántica. La organización W3C, que desarrolla estándares para sitios web, describe una ontología como un conjunto de términos que describe el conocimiento de un ámbito determinado: «las ontologías son utilizadas por personas, bases de datos y aplicaciones que buscan compartir el conocimiento de un ámbito determinado
62 Irena Markievicz, Erika Rimkutė | Švietimo ir mokslo terminų žodynas ir ontologija
información <...>. Las ontologías vinculan los conceptos de un ámbito determinado, adaptados para programas informáticos, y las relaciones entre ellos» (W3C).
La ontología de términos de educación y ciencia (en adelante, ontología de términos de ŠM) se elaboró con el objetivo de formalizar el conjunto de términos de ŠM creado en el proyecto introductorio mencionado y completarlo con relaciones semánticas que las aplicaciones puedan interpretar. Las principales tareas de creación de la ontología son describir con calidad los términos y conceptos del ámbito seleccionado y especificar formalmente sus significados. Estas tareas son importantes para resolver el problema de la polisemia de los términos y crear un modelo estructural de términos del ámbito de ŠM. La ontología de términos de ŠM se creó no solo como una taxonomía de dichos términos, sino también como uno de los posibles recursos para la búsqueda semántica.
La ontología de términos de ŠM está disponible en internet en la dirección http://meta.vdu.lt/webprotege/, y se visualiza con la herramienta WebProtege, que permite consultar el árbol de clases jerárquicas, sus atributos y ejemplos de instancias de conceptos. Al abrir u ocultar nuevas pestañas y bloques, el usuario puede organizar una interfaz gráfica a su conveniencia. Se recomienda utilizar los navegadores Chrome o Mozilla Firefox. Para representar mejor las relaciones entre los términos, se recomienda utilizar Protege 4.3 con el complemento OntoGraf.
SELECCIÓN DE LA METODOLOGÍA PARA LA CREACIÓN DE UNA ONTOLOGÍA DE TÉRMINOS DE EDUCACIÓN Y CIENCIA
El concepto generalizado de creación de ontologías se describe mediante el siguiente metamodelo de proceso (véase más ampliamente Cimiano 2006): M={D, LA, T, S, C, TR}, en el que D representa la recopilación de documentos, LA, las etiquetas lingüísticas, T, la selección de términos, S, la identificación de sinónimos, C, la vinculación de términos y sus sinónimos para formar conceptos, y TR, la definición de las relaciones semánticas entre conceptos.
Al utilizar distintas metodologías de creación de ontologías, se aplican diversas estrategias: algunas metodologías prestan más atención al ciclo de vida de la ontología y al desarrollo de prototipos (Cyc, TOVE, Methontology, On-To-Knowledge), mientras que otras hacen más hincapié en el uso de ontologías en aplicaciones (KAKTUS). Con algunos métodos, las ontologías se crean a partir de corpus recopilados (TOVE, On-To-Knowledge); con otros, a partir de grandes ontologías de conocimiento general (SENSUS, Cyc) (véase más ampliamente Corcho et al. 2003).
En su forma más sencilla, las ontologías se crean en las siguientes etapas: se selecciona un ámbito de conocimiento y se procesa la información (se definen conceptos, términos y restricciones),
Terminologija | 2013 | 20 63
se especifican los métodos de ampliación de la ontología y los criterios de evaluación, y se prepara la documentación de la ontología (véase más ampliamente Uschold et al. 1996). Al construir ontologías con este método, no se prevé crear prototipos de ontología ni utilizar las ontologías como fuentes de información adicionales. Aplicando esta metodología, se han creado varias ontologías de actividades económicas, pero no se prevé cómo utilizarlas en aplicaciones.
En el proyecto On-To-Knowledge se propuso una metodología centrada principalmente en la gestión del conocimiento y en las posibilidades de uso de la futura ontología en sistemas de información (véase más ampliamente Staab et al. 2001). Tras realizar un estudio de viabilidad, se definieron las fuentes de información, los posibles usuarios de la ontología y sus usos.
En la mejora de la ontología On-To-Knowledge participaron expertos del ámbito elegido; se procesó información recopilada de textos y otras bases de conocimiento. La calidad de la ontología se evaluó comprobando si cumplía los requisitos y si era adecuada para los usos previstos. Todas estas etapas de creación y mejora de la ontología pueden considerarse recomendaciones para elaborar otras ontologías.
Las metodologías presentadas se centran principalmente en métodos para crear ontologías a partir de fuentes de información textuales. La metodología de ontología SENSUS propone utilizar ontologías de conocimiento general durante el proceso de creación de una ontología de un ámbito especializado (véase más ampliamente Gomez-Perez et al. 2004). La metodología prevé agrupar los términos de la base de conocimiento OntoSaurus en un árbol de conceptos. Al intentar vincular dos clases de conceptos, se busca una clase de concepto general (ingl. root class).
Al seleccionar la metodología para crear la ontología de términos de educación y ciencia, se tuvieron en cuenta los recursos de información disponibles y las posibilidades de aplicación de las tecnologías lingüísticas y las herramientas de creación de ontologías. Se decidió aprovechar la experiencia acumulada en el proyecto Methontology (véase más ampliamente Mariano et al. 2004; Gomez-Perez et al. 2004; Corcho et al. 2003).
La aplicación de Methontology a la creación de una ontología de términos de educación y ciencia, así como los recursos para crearla, se muestran en la figura 1. En la especificación se indican el objetivo y el alcance de la creación de la ontología. El modelo conceptual de la ontología se elabora teniendo en cuenta el ámbito delimitado durante la especificación; posteriormente, se formaliza, es decir, se convierte en un modelo formal de ontología. Durante el proceso de creación, el modelo formal se implementa de acuerdo con los requisitos del lenguaje de creación de ontologías seleccionado. Incluso después de creada, la ontología suele modificarse, ampliarse o actualizarse.
64
Irena Markievicz, Erika Rimkutė
Švietimo ir mokslo terminų žodynas ir ontologija
Fig. 1. Procesos y recursos para la creación de la ontología de términos de educación y ciencia (basado en Methontology)
Tras aplicar el modelo Methontology, se creó un glosario de términos y una taxonomía de conceptos, se determinaron las relaciones entre los distintos objetos de la ontología y se preparó una base de ejemplos de atributos, clases, clases abstractas y sus atributos y relaciones, que especifica en qué casos existe el concepto seleccionado, con qué otros conceptos está relacionado; también se describieron las instancias de los conceptos.
Las ontologías describen diferentes aspectos de un mismo ámbito específico: personas (p. ej., rector, estudiante), lugares (p. ej., universidad), procesos (p. ej., enseñanza, docencia), resultados de procesos (p. ej., obra de arte, trabajo de fin de grado), etc. En la ontología, todos ellos se denominan conceptos (en inglés, concept), que pueden existir como unidades de información independientes de la ontología o agruparse en clases de conceptos (en inglés, class).
La taxonomía de conceptos (en inglés, concepts taxonomy) —una clasificación sistemática de conceptos conforme al modelo conceptual de ontología elegido— suele crearse a partir de un glosario de términos (en inglés, glossary of terms), que en este caso se entiende como una lista formal de términos y sus definiciones (véase más ampliamente Uschold et al. 2004).
En la taxonomía clásica, una clase se define como «un grupo de entidades similares que se distingue de otros grupos de individuos» (véase más ampliamente Mayr 1987). Cada clase de la ontología se caracteriza por un conjunto de propiedades (en inglés, property) que le son propias, y de sus restricciones (en inglés, restriction), que heredan todas las instancias (en inglés, instance, individual) de una clase determinada. Una instancia es un ejemplar concreto del concepto seleccionado (p. ej., Zigmas Lydeka es una instancia del concepto rector).
Terminologija | 2013 | 20 65
Los términos de la ontología de términos de educación y ciencia se identificaron en un corpus especializado mediante métodos lingüísticos (véase más ampliamente Grigonytė et al. 2011; Rimkutė 2012). Los conceptos y las clases de conceptos de la ontología se crearon siguiendo una estrategia mixta de abajo arriba (en inglés, down-top strategy) y de arriba abajo (en inglés, top-down strategy) (véase más ampliamente Uschold et al. 1996). Al aplicar la estrategia de abajo arriba, primero se identifican los conceptos más específicos y, posteriormente, se sustituyen por otros más abstractos. Al aplicar la estrategia de arriba abajo, primero se definen los conceptos abstractos y, después, se precisan. Al aplicar una estrategia mixta de creación de ontologías, primero se examinan los conceptos iniciales y, según las necesidades, se precisan o se generalizan.
En esta etapa de creación de la taxonomía de términos de la ontología participó activamente un experto en el ámbito de la educación y la ciencia. Agrupó los términos por áreas temáticas y creó un modelo conceptual inicial de la ontología.
Al crear una taxonomía de conceptos, se recomienda prestar especial atención a las siguientes etapas: elaborar una lista de términos y seleccionar de ella los términos necesarios, crear un modelo de conceptos, preparar definiciones y evaluar los términos (ISO 10241: 1992).
ESTRUCTURA DE LA ONTOLOGÍA DE TÉRMINOS DE EDUCACIÓN Y CIENCIA
Uno de los desafíos del proceso de creación de ontologías es crear una estructura de datos de calidad, universal y adaptable a distintos sistemas de procesamiento de información, y compatible con otras fuentes de conocimiento. El elemento principal de una ontología es la cosa (ingl. thing), que abstrae todos los conceptos de la ontología. La necesidad de este elemento se explica por la definición filosófica de ontología como ciencia que estudia el ser. La ontología formaliza todos los conocimientos de un ámbito determinado, por lo que un elemento necesario es una clase abstracta que engloba todos los conceptos de un ámbito especializado.
Los conceptos, los términos y los axiomas son los principales elementos conceptuales de cualquier ontología. Es importante distinguir los significados de término y concepto. En la norma LST ISO 1087-1 (2005), concepto se define como «[u]na unidad de conocimiento constituida por una combinación única de características». El concepto es independiente del idioma; solo puede verse afectado por el contexto. Término es el identificador de un concepto, es decir, «[d]esignación verbal de un concepto general en un ámbito temático específico» (LST ISO 1087-1: 2005). Los axiomas describen las restricciones de un ámbito específico y permiten crear la estructura jerárquica de los conceptos de la ontología. Entre los objetos estructurales formales de una ontología se incluyen conceptos, clases de conceptos, instancias de clases y conceptos, propiedades de clases, conceptos e instancias, así como relaciones y restricciones que vinculan todos los objetos de la ontología.
66
Irena Markievicz, Erika Rimkutė
Švietimo ir mokslo terminų žodynas ir ontologija
Fig. 2. Estructura de la ontología de términos de educación y ciencia según las áreas del modelo de actividades empresariales
Por recomendación de un experto, todos los términos se agruparon en tres clases abstractas de entrada, proceso y salida (véase la Fig. 2), características de los modelos de actividades empresariales (para más detalles, véase ISO 9001: 2000). La clase Entrada especifica los requisitos, recursos y datos del sistema o de una actividad concreta. Por ello, a esta categoría se asignan los grupos de términos infraestructura, institución y participante. Los procesos de actividad se dividen en esenciales (clase actividad), que generan valor añadido, y procesos de apoyo (clase administración), que refuerzan las actividades de los procesos principales y proporcionan infraestructura a los procesos que se llevan a cabo. La salida resume la eficacia y el rendimiento del proceso: indica qué resultados podían alcanzarse, cuáles se alcanzaron y qué recursos se utilizaron para ello (clases de producción científica, producción de formación profesional, producción de estudios y producción artística). Cada clase abstracta de un ámbito temático puede tener subclases adicionales de dicho ámbito (como se muestra en la Fig. 3, una subclase de la clase participante es administrador, y esta subclase se subdivide aún más). En total, la ontología de términos de educación y ciencia contiene 29 clases abstractas. Su función principal es crear un modelo conceptual general de la ontología conforme a la estrategia ya mencionada de arriba abajo.
Terminologija | 2013 | 20
67
Fig. 3. Conceptos generales de la clase Participante y subclases abstractas en la ontología de términos de educación y ciencia
La ontología de términos de educación y ciencia consta de 465 conceptos generales7, cuya jerarquía se creó mediante patrones de reconocimiento de contextos definitorios (para más detalles, véase Bielinskienė et al. 2012). Los contextos definitorios corresponden parcial o totalmente a las definiciones de los términos y se forman a partir de conceptos hiperonímicos. Por ejemplo, el concepto estudiante se define como persona que cursa un programa de estudios universitarios de ciclo completo. En cambio, un estudiante extranjero es un estudiante que llega desde otro país a una institución de educación superior de un país determinado para cursar un programa completo de estudios de ciclo completo o estudios parciales.
En la ontología de términos científicos se identifican las siguientes relaciones taxonómicas:
– subclase de una clase (ingl. subclass-of): por ejemplo, un estudiante de máster es una subclase de la clase estudiante;
– descomposición (ingl. disjoint-decomposition): por ejemplo, la producción de estudios no puede ser al mismo tiempo un trabajo de fin de grado y una disertación;
– descomposición exhaustiva (ingl. exhaustive-decomposition): por ejemplo, la clase docente incluye las subclases profesor titular, profesor asociado y catedrático, entre otras. Si un objeto determinado es docente, debe pertenecer al menos a una de las subclases enumeradas;
– partición (ingl. partition): por ejemplo, el concepto semestre académico comprende los conceptos semestre de primavera y semestre de otoño. Si se trata de un semestre académico, debe pertenecer a una de las subclases enumeradas.
7 La ontología incluye también aquellos términos que no aparecen en el diccionario de términos de educación y ciencia, es decir, los que no se definieron exhaustivamente.
68
Irena Markievicz, Erika Rimkutė
Švietimo ir mokslo terminų žodynas ir ontologija
Fig. 4. Jerarquía taxonómica del concepto estudiante en la ontología de términos de educación y ciencia
Dado que el principal criterio de calidad de una ontología es la univocidad de los términos, al crear la ontología de términos de educación y ciencia se prestó mucha atención a que el conjunto de propiedades de los conceptos estuviera bien elaborado. Para determinar el conjunto de propiedades de clases, conceptos y entidades resultan adecuados los patrones de reconocimiento de contextos descriptivos (véase más ampliamente Bielinskienė et al. 2012). Los contextos descriptivos definen la naturaleza del concepto analizado y su relación con otras partes del sistema.
Fig. 5. Posibilidades de aplicación del atributo activo en la ontología de términos de educación y ciencia8
La misma propiedad puede utilizarse para describir varios conceptos distintos. Por ejemplo, la propiedad activo es propia de cuatro conceptos: trabajo práctico, formación práctica, clase práctica, ejercicios prácticos (véase la fig. 5). Por ello, es importante destacar que un concepto solo puede describirse adecuadamente mediante una combinación única y específica de propiedades.
8 Al utilizar Protege 4.3, la herramienta de creación y visualización de ontologías, no fue posible utilizar el lituano; por ello, los elementos estructurales de la ontología (p. ej., ObjectProperty, Domain) se presentan en inglés.
Terminologija | 2013 | 20
69
Fig. 6. Conjunto de propiedades y sus restricciones para el concepto de hora académica en la ontología de términos de educación y ciencia
Cada propiedad puede tener restricciones especificadas o relaciones con otros conceptos o clases de conceptos. Por ejemplo, la hora académica se define como una unidad de duración del trabajo de contacto entre docentes y estudiantes, equivalente a 45 minutos. La definición formal y ontológica de este concepto especifica el siguiente conjunto de propiedades: la hora académica es una subclase del proceso; los participantes son los estudiantes y el docente; es un proceso presencial que tiene una duración, definida por la constante 45 minutos (véase la fig. 6).
Las propiedades de las clases y los conceptos, sus restricciones y sus relaciones con otras propiedades se transmiten a las entidades, ejemplares concretos de clases y conceptos, caracterizados por
Fig. 7. Árbol de relaciones entre conceptos y entidades de la ontología de términos de educación y ciencia
70
Irena Markievicz, Erika Rimkutė | Švietimo ir mokslo terminų žodynas ir ontologija
con las mismas propiedades. Por ejemplo, si en la ontología se indica que rectorius dirige universitetui, entonces el individuo de este concepto —Zigmas Lydeka— dirige la VDU, es decir, el individuo del concepto universitetas (véase la fig. 7).
La ontología de términos de educación y ciencia se creó en el lenguaje OWL con la herramienta de creación de ontologías Protege 4.3, y se visualizó mediante la herramienta WebProtege o el complemento OntoGraf9.
EVALUACIÓN Y APLICACIÓN DE LA ONTOLOGÍA DE TÉRMINOS DE EDUCACIÓN Y CIENCIA
Actualmente, la ontología de términos de educación y ciencia contiene 29 clases abstractas de conceptos y 465 conceptos generales, 87 propiedades de conceptos, clases de conceptos e individuos, 141 individuos y 296 relaciones entre clases de conceptos, conceptos e individuos de la ontología.
La complejidad de una ontología puede evaluarse formalmente mediante métricas de lógica descriptiva (ingl. description logic) (véase más ampliamente Corcho et al. 2003; Baader 2003). La ontología de términos de educación y ciencia se ha evaluado en el nivel de complejidad ALCHON(D), donde:
– AL – lenguaje de atributos; permite relacionar conceptos y formular restricciones universales para ellos;
– C – indica que es posible negar relaciones entre conceptos;
– H – indica que es posible crear una jerarquía de roles;
– O – restricciones de cardinalidad (relaciones: exactamente uno, uno de muchos);
– N – restricciones numéricas (relaciones: menos, más);
– (D) – propiedades de tipos de datos.
Además del vocabulario de la ontología, la taxonomía y las relaciones semánticas, se evalúan sus posibilidades de uso y aplicación. El lenguaje OWL elegido para crear ontologías es adecuado para realizar inferencias semánticas, ampliar la ontología con nuevos conceptos o vincular varias ontologías de distintos ámbitos. El modelo estructural de términos del ámbito de educación y ciencia se ha elaborado de modo que cada concepto de la ontología quede descrito mediante un conjunto único de propiedades y relaciones semánticas; esta solución ayuda a abordar el problema de la polisemia de los términos. Este recurso se ha creado no solo como una taxonomía de términos del ámbito de educación y ciencia, sino también como uno de los posibles instrumentos para la búsqueda semántica y el procesamiento del lenguaje natural.
9 Más información: http://protege.stanford.edu.
Terminologija | 2013 | 20
71
Hasta ahora se ha prestado mucha atención a cómo pueden aplicarse las ontologías a la informatización del lenguaje natural, sistematizándolo y haciéndolo comprensible para los programas informáticos. Quizá, a primera vista, no esté del todo claro en qué pueden ser útiles las ontologías para los lingüistas o los especialistas de otros ámbitos. Cabe destacar que las ontologías son especialmente útiles para los terminólogos, pues, gracias a las herramientas de visualización de ontologías, se aprecian claramente las relaciones entre los términos. Para ilustrar los términos, se pueden seleccionar palabras concretas asociadas a ellos que aparecen en la ontología (denominadas en ella esiniais).
Tanto el diccionario de términos de educación y ciencia como la ontología pueden ayudar a los participantes en estos ámbitos: docentes, maestros, personal administrativo, estudiantes universitarios y alumnos, pues estas fuentes muestran, por ejemplo, cómo se clasifican los estudiantes, qué tipos de estudios existen, cómo se organiza la administración de las instituciones de educación superior, etc.
OBSERVACIONES FINALES
En el artículo se presentan el Diccionario de términos de educación y ciencia y la Ontología de términos de educación y ciencia. Tanto el diccionario como la ontología se han perfeccionado. La mayor ventaja y singularidad de ambas fuentes es que se han elaborado aplicando principios de lingüística de corpus y lingüística computacional que los terminólogos lituanos todavía emplean poco.
El diccionario de términos de educación y ciencia está disponible en Internet y consta de 224 términos formados por entre una y cinco palabras. Se diferencia de otros diccionarios terminológicos porque, además de las partes habituales de un diccionario de términos (los propios términos, sus definiciones y sus equivalentes en otras lenguas), incluye todas las formas flexionadas de cada término con sus frecuencias, ejemplos extraídos del corpus de textos de educación y ciencia, colocaciones y concordancias. Estos datos son importantes porque permiten a los usuarios del diccionario hacerse una idea completa del uso y el contexto de un término determinado, y encontrar características importantes del término que quizá no se mencionen en la definición.
La ontología de términos de educación y ciencia, disponible en Internet, revela las relaciones semánticas entre los términos de estos ámbitos y hace que esta información sea comprensible para los programas informáticos. Las ontologías pueden resultar especialmente útiles para los terminólogos que clasifican y describen términos de un ámbito determinado y ofrecen ejemplos concretos.
Se espera que tanto el diccionario de términos de educación y ciencia como la ontología sean recursos de importancia metodológica y animen a los terminólogos lituanos a aprovechar mejor las posibilidades que ofrecen los corpus para estudiar, describir y clasificar términos.
72
Irena Markievicz, Erika Rimkutė
Švietimo ir mokslo terminų žodynas ir ontologija
LITERATŪRA
Baader F. 2003: Appendix: description logic terminology. – The description logic handbook: theory, implementation, and applications, Cambridge: Cambridge university press.
Bielinskiene A., Boizou L., Kovalevskaite J., Utka A. 2012: Towards the Automatic Extraction of Term-defining Contexts in Lithuanian. – Human Language Technologies. The Baltic Perspective: Proceedings of the Fifth International Conference Baltic HLT 2012, Amsterdam, Berlin, Tokyo, Washington, DC: IOS Press, 18–26.
Cimiano P. 2006: Ontology Learning and Population from Text: Algorithms, Evaluation and Applications, Karlsruhe: Springer.
Corcho O., Fernández-López M., Gómez-Pérez A. 2003: Methodologies, tools and languages for building ontologies. Where is their meeting point? – Data & knowledge engineering 46(1), 41–64.
Gomez-Perez A., Corcho O., Fernandez-Lopez M. 2004: Ontological Engineering: with examples from the areas of Knowledge Management, e-Commerce and the Semantic Web, London: Springer-Verlag.
Gornostay T., Ramn A., Heid U., Morin E., Harastani R., Planas E. 2012: Terminology Extraction from Comparable Corpora for Latvian. – Human Language Technologies. The Baltic Perspective: Proceedings of the Fifth International Conference Baltic HLT 2012, Amsterdam, Berlin, Tokyo, Washington, DC: IOS Press, 66–73.
Grigonytė G. 2010: Building and Evaluating Domain Ontologies: NLP Contributions, Logos Verlag Berlin GmbH.
Grigonytė G., Rimkutė E., Utka A., Boizou L. 2011: Experiments on Lithuanian Term Extraction. – Proceedings of the 18th Nordic Conference of Computational Linguistics NODALIDA 2011. NEALT Proceedings Series 11, 82–89.
ISO 10241: 1992 International terminology standards – Preparation and layout. Geneva: ISO.
ISO 9001: 2000 Quality management systems – Requirements, Geneva: ISO.
Kruglevskis V., Vancāne I. 2005: Term Extraction from Legal Texts in Latvian. – Proceedings of the Second Baltic Conference Human Language Technologies, 155–159.
LST ISO 1087-1: 2005 Terminologijos darbas. Aiškinamasis žodynas. 1 dalis. Teorija ir taikymas (tpd ISO 1087-1: 2000).
Mariano F., Gomez-Perez A., Juristo N. 2004: Methontology: From Ontological Art Towards Ontological Engineering. – AAAI-97 Spring Symposium. Series on Ontological Engineering, Stanford: AAAI Press, 33–40.
Mayr E. 1987: The ontological status of species: scientific progress and philosophical terminology. – Biology and Philosophy 2(2), 145–166.
Rimkutė E. 2010: Lietuvių kalbos terminų automatinio nustatymo galimybės. – Kalbų studijos 16, 71–78.
Rimkutė E. 2012: Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais. – Terminologija 19, 54–69.
Staab S., Studer R., Schnurr H. P. 2001: Knowledge Processes and Ontologies. – Intelligent Systems 16(1), 26–34.
Uschold M., Gruninger M. 1996: Ontologies: Principles, methods and applications. – Knowledge engineering review 11(2), 93–136.
Uschold M., Gruninger M. 2004: Ontologies and semantics for seamless connectivity. – ACM SIGMod Record 33(4), 58–64.
W3C – OWL Web Ontology Language Use Cases and Requirements. Prieiga internete http://www.w3.org/TR/2002/WD-webont-req-20020307/ (žiūrėta 2013-10-14).
ONTOLOGY AND DICTIONARY OF SCIENCE AND EDUCATION TERMS
The paper presents the dictionary and the ontology of science and education terms. The proposed approach of ontology and dictionary building uses the following Natural Language Processing techniques: linguistic pattern recognition, collocation extraction, morphological analysis, POS tagging, and others.
The dictionary of science and education is available online and contains 224 one word and multiword terms (their length is up to 5 words). The dictionary contains the
Terminologija | 2013 | 20
73
necessary dictionary fields (terms, definitions, translations to other languages), as well as some additional fields such as declined forms of terms with their frequencies, examples of term usage, collocations and concordances from the special science and education corpus.
The main focus of the paper is the ontology of terms in the domain of science and education. Authors present, how different research areas define ontologies, what are the possibilities of their use, what are ontology building methods. The structure of the ontology is illustrated by multiple examples. The hierarchical structure of concepts, their properties and relationships make this information readable and understandable for knowledge-based information systems. Ontologies can be particularly useful for terminology experts, who try to classify and describe terms, concepts and their instances in a domain specific field.
Both resources can be valuable for lecturers, teachers, administration management bodies, students, etc. While using the ontology, they can define and conceptualize the processes of studying, teaching or learning.
The paper introduces the possibilities of semi-supervised term extraction with mixed prescriptive and descriptive term analysis methods, which can be useful for terminology experts, lexicographers, and creators of lexical databases.
Gauta 2013-10-29
Irena Markievicz Vytauto Didžiojo universitetas K. Donelaičio g. 52, LT-44248 Kaunas E. paštas [email protected]
Erika Rimkutė Vytauto Didžiojo universitetas K. Donelaičio g. 52, LT-44248 Kaunas E. paštas [email protected]
74
Irena Markievicz, Erika Rimkutė | Švietimo ir mokslo terminų žodynas ir ontologija