Švietimo ir mokslo terminų žodynas ir ontologija

Az oktatás és a tudomány terminusainak szótára és ontológiája IRENA MARKIEVICZ, ERIKA RIMKUTĖ Vytauto Didžiojo universitetas KULCSSZAVAK: korpusz, oktatási és tudományos terminusok, ontológia, szótár BEVEZETÉS 2010–2012-ben a Vytautas Magnus Egyetem Számítógépes Nyelvészeti Központjában a Litván Tudományos Tanács által finanszírozott projektet hajtottak végre: Az oktatási és tudományos terminusok automatikus azonosítása (ŠIMTAI 2). A projekt fő célja a korpusznyelvészeti módszerek kipróbálása volt, hogy lehetővé váljon a terminusok automatikus vagy félautomatikus felismerése, a terminusmeghatározások megfogalmazásához szükséges információk korpuszból való kinyerésének automatizálása, és ezáltal a terminológusok munkájának megkönnyítése. Az elvégzett kutatás legfontosabb eredményei – a módszertanokon kívül – egy speciális oktatási és tudományos (a továbbiakban: ŠM) korpusz (4 millió szavas terjedelemben), az erre a speciális korpuszra alapozva elkészített Az oktatás és a tudomány terminusainak szótára, valamint az Az oktatás és a tudomány terminusainak ontológiája. A cikk bemutatja a ŠM-terminusok szótárát és a ŠM-terminusok ontológiáját. Ismerteti a szótár szerkezetét, valamint azt, hogy miben különbözik más terminológiai szótáraktól. Nagyobb figyelmet szentel a ŠM-terminusok ontológiájának. Ismerteti, hogyan határozzák meg az ontológiákat a különböző tudományágakban, mire használhatók, és milyen módszerekkel készülnek. Részletesen tárgyalja a ŠM-terminusok ontológiáját, bemutatja annak felépítését, példákat közöl, és elmagyarázza, hogyan alkalmazható ez a forrás. Mindkét munka – mind a ŠM-terminusok szótára, mind a ŠM-terminusok ontológiája – ugyanazon anyag, vagyis egy specializált ŠM-korpusz alapján készült, korpusznyelvészeti és számítógépes nyelvészeti módszertan alkalmazásával. A munka célja a korpusznyelvészet és a számítógépes nyelvészet lehetőségeinek bemutatása a terminológia területén, valamint az, hogy felhívja a terminológusok, a terminológiai szótárak és adatbázisok készítőinek figyelmét arra, hogy a terminusok kezelése legalább részben automatizálható, és a terminuselemzés preskriptív és deskriptív megközelítése összeegyeztethető. 56 Irena Markievicz, Erika Rimkutė Švietimo ir mokslo terminų žodynas ir ontologija AZ OKTATÁSI ÉS TUDOMÁNYOS TERMINOLÓGIAI SZÓTÁR ÖSSZEÁLLÍTÁSÁNAK SZAKASZAI Az oktatási és tudományos (OÉT) terminológiai szótár terminusait egy szaknyelvi korpuszban, nyelvészeti módszerekkel határozták meg (bővebben lásd Grigonytė et al. 2011; Rimkutė 2012). A szótár összeállítása két évig tartott, vagyis az előzőekben említett projekt megvalósításának idejéig, az alábbi szakaszokban: 1) létrehoztak egy 4 millió szavas, oktatási és tudományos szaknyelvi korpuszt; 2) a korpuszt automatikusan morfológiailag annotálták; 3) létrehoztak egy nyelvészeti szabályokon alapuló eszközt, amely automatikusan kiválasztja a terminusokat; 4) meghatározták a lehetséges terminusok kiválasztásának kritériumait; 5) mintegy 11 ezer lehetséges terminust azonosítottak, amelyek egytől tizenöt szóig terjedtek; 6) további kritériumokat alkalmaztak a lehetséges terminusok kiválasztására1; 7) 780 oktatási és tudományos terminust azonosítottak (1–5 szavasakat); 8) kidolgozták a terminusok korpuszokon alapuló meghatározásának módszertanát; 9) előkészítették a terminusok meghatározásához szükséges nyelvészeti erőforrásokat; 10) meghatározták a kiválasztott terminuscsoportok 300 terminusát; 11) megadták a meghatározott terminusok angol, német és francia megfelelőit. Kétségtelen, hogy bármely terminológiai szótár összeállítása jelentős szakértői munkaidőt és pénzügyi erőforrásokat igényel. Ebben a cikkben az oktatási és tudományos terminológiai szótárt mutatjuk be, amely bár kisméretű – 224 terminust tartalmaz (bővebben lásd a következő fejezetben) –, módszertani szempontból igen összetett. Amint a szótár összeállításának ismertetett szakaszaiból látható, még egy adott szakterület speciális korpuszának2 megléte esetén is speciális eszközökre3 volt szükség a terminusok automatikus felismeréséhez és meghatározásához. 1 Csak a legfeljebb hét szóból álló terminusokat elemezték; a gyakoriságot is figyelembe vették: minél rövidebb egy terminus, annál gyakrabban kellett előfordulnia. Például az egyszavas terminusok közül csak azokat elemezték, amelyek legalább 20 alkalommal fordultak elő, míg a hétszavas terminusoknak legalább kétszer kellett előfordulniuk. 2 A korpusz összeállítása az egész kutatás egyik legfontosabb és leghosszabb szakasza, mivel a terminusok azonosítására alkalmas reprezentatív korpusz létrehozásához gondosan kellett kiválasztani a szövegeket, műfajilag kiegyensúlyozni, majd technikailag feldolgozni őket (PDF-fájlokból szövegfájlokba áthelyezni, a kódolást módosítani stb.). 3 A projekt keretében a litván nyelvhez igazított, terminusok automatikus felismerésére szolgáló eszközt hoztak létre, mivel – amint azt a korábbi kísérletek is mutatják (lásd Grigonytė et al. 2011) – a nyelvek szerkezeti különbségei miatt más nyelvek terminusfelismerő eszközei szinte egyáltalán nem alkalmazhatók a litván nyelvre. Az eszköz nyelvészeti szabályokat alkalmazott: bizonyos nyelvtani szerkezetű terminusokat keresett, például melléknév + főnév, főnév birtokos esete + főnév, igenév + főnév stb. Hasonló módszerekkel a lett nyelv kutatói is azonosítanak terminusokat (lásd Gornostay et al. 2012; Krugļevskis et al. 2005). Szerintük a terminusok nyelvészeti módszerekkel (morfológiai-szintaktikai elemzéssel) történő azonosítása alkalmasabb, mint az analitikus nyelvekre megfelelő statisztikai módszerek. Terminologija | 2013 | 20 57 Nehézséget jelentett az összes automatikusan azonosított, jelentéssel bíró és nyelvtanilag szabályos szerkezetű szókapcsolat közül kiválasztani az oktatási és tudományos terminusokat is. Azért merültek fel nehézségek, mert a 4 millió szavas korpuszból nem kevesebb mint 11 ezer úgynevezett lehetséges terminust azonosítottak. A kutatás és a szótár összeállításának következő szakaszában fontos volt ezek közül a szókapcsolatok közül az oktatási és tudományos terminusokat kiválasztani (erről a problémáról lásd Rimkutė 2012). Felhívjuk a figyelmet arra, hogy a bemutatott oktatási és tudományos terminusszótár korpusz alapján készült. Ez azt jelenti, hogy nem a terminológusok szakértelmén alapuló, olykor meglehetősen szubjektív, preskriptív terminológiai megközelítést alkalmazták, amely Litvániában a mai napig elterjedt, hanem a korszerű terminológiában előnyösebbnek tartott, korpuszadatokra épülő deskriptív terminuselemzési és -definíciós módszert. A korpuszok nagy segítséget nyújtanak a szótárak összeállításához, mivel segítségükkel meghatározhatók a terminushasználat legjellemzőbb és leggyakoribb mintázatai, amelyek fontosak a jelentés meghatározásához és a releváns példák kiválasztásához. A terminusdefiníció összetett módszertana miatt úgy döntöttek, hogy 300 terminust részletesen definiálnak. Bizonyos csoportok terminusait választották ki: az akademinis szóval alkotott terminusokat (pl.: akadémiai szabadság, akadémiai etika, akadémiai óra), a darbas szóval alkotottakat (pl.: diplomamunka, házi feladat, önálló munka), az išsilavinimas szóval alkotottakat (pl.: egyetemi végzettség, általános műveltség, felsőfokú végzettség), a švietimas szóval alkotottakat (pl.: oktatási szolgáltató, felnőttoktatás, nem formális oktatás) stb. Néhány gyakran használt egy szóból álló terminust is definiáltak: hallgató, kutató, egyetem stb. Más terminusszótárakhoz hasonlóan az oktatási és tudományos terminusszótár a legtöbb terminus mellett angol, német és francia megfelelőket is feltüntet. Ezeket a szakterület hitelesített forrásaiból és dokumentumaiból, valamint szakosított terminológiai adatbázisokból gyűjtötték: Angol oktatási terminusok szótára (Glossary of Educational Terms), a tanulmányokkal kapcsolatos terminusok magyarázó szótára, Der Europäische Qualifikationsrahmen für lebenslanges Lernen, EuroVoc (az Európai Unió többnyelvű tezaurusza), a Litván Köztársaság terminológiai adatbankja stb. A terminológia elsősorban Nagy-Britanniából, Franciaországból és Németországból származik, azonban számos fordítási megfelelő jelentése az említett országok rendszerének kontextusában nem teljesen azonos az eredeti terminusokéval, amelyeket a litván oktatás- és tudományügyben használnak. A szótárban szereplő idegen nyelvű terminusmegfelelők a Litván Köztársaság tudományos és oktatási rendszerére alkalmazhatók, és más ország tudományos és oktatási rendszerének leírására nem mindig (vagy csak részben) használhatók. 58 Irena Markievicz, Erika Rimkutė Švietimo ir mokslo terminų žodynas ir ontologija AZ OKTATÁSI ÉS TUDOMÁNYOS TERMINUSSZÓTÁR FELÉPÍTÉSE Az oktatási és tudományos terminusszótár szabadon hozzáférhető az interneten, a http://daukantas.vdu.lt/moksliniai-terminai/. címen. Itt 224 terminus található, noha az előző fejezet szerint 300 terminust definiáltak. A definiált és a szótárban szereplő terminusok száma azért tér el, mert kiderült, hogy egyes terminusokat (pl.: képesítési szint / fokozat; tudományos / tudományos fokozat; tudományos / tudományos produktum; mesterképzés / mesterképzéses tanulmányok; a hallgató tanulmányi / munkaterhelése; állami / állami tudományos intézet) szinonimaként használnak, szerkezetük hasonló, ezért ezeket a terminusokat összevonták. Az oktatási és tudományos terminusszótár tartalmazza a terminusszótárak kötelező elemeit, azaz magát a terminust és annak definícióját. Amint említettük, angol, német és francia megfelelőket is feltüntet. Emellett szakterületeket (pl. felsőoktatás-irányítás, felsőoktatási politika, felsőoktatási igazgatás), valamint egyes terminusok rövidítéseit is megadja. A szótár abban különbözik más terminusszótáraktól és adatbázisoktól, hogy feltünteti a terminusok összes ragozott alakját és azok gyakoriságát, valamint a terminus összesített gyakoriságát az oktatási és tudományos korpuszban. Minden terminushoz legalább két, az oktatási és tudományos korpuszból származó használati példa tartozik (a példákat nem szerkesztették, nem változtatták meg, legfeljebb olykor lerövidítették), továbbá bal és jobb oldali kollokátumok4 és konkordancia5. Nem minden terminus definiálásához állt elegendő információ rendelkezésre a korpuszból. Azoknál a terminusoknál, amelyek definíciójának megfogalmazásához kevés volt az információ (pl.: oktatási szolgáltató, hallgatói ösztöndíj-keret, alapfokú végzettség), csillaggal jelölték őket. Mivel a terminusokat korpuszból gyűjtötték ki, ismert volt a használatuk gyakorisága, ezért minden terminus mellett feltüntették a többi terminushoz viszonyított, egyezményes jelekkel megadott gyakoriságot: ★★★ a leggyakoribb terminusok mellett szerepel, amelyeket az oktatási és tudományos korpuszban legfeljebb 500 alkalommal használtak; ★★☆ a ritkább terminusok mellett szerepel, amelyeket a korpuszban 100–499 alkalommal használtak; 4 Ezek a vizsgált terminus statisztikai (gyakorisági) alapon azonosított kontextuális partnerei, amelyek gyakran állnak a terminus mellett, annak bal vagy jobb oldalán. 5 Ezek a kiválasztott terminus valamennyi nyelvtani alakjának korpuszból származó előfordulásai, egyetlen soros kontextusban megjelenítve (a konkordanciasor általában egynél több mondatot tartalmaz). A konkordanciát rendszerint úgy elemzik, hogy először függőlegesen olvassák, mivel csak így rajzolódik ki a terminus tipikus használata. Az elemzett terminus a konkordanciasor közepén található, és félkövérrel van kiemelve. Az elemzett terminustól balra és jobbra a konkordanciarészletből körülbelül 50-50 karakter látható. Ha hosszabb konkordanciarészletet szeretnénk látni (körülbelül 150-150 karaktert balra és jobbra), a konkordanciasor végén található pluszjelre kell kattintani. Terminologija | 2013 | 20 59 ★☆☆ jelöli azokat a terminusokat, amelyek a szövegkorpuszban 10–99 alkalommal fordulnak elő; ☆☆☆ jelöli azokat a ritka terminusokat, amelyek a szövegkorpuszban kevesebb mint 10 alkalommal fordulnak elő. Az alábbiakban a neveléstudományi és tudományos terminusok szótárának illusztrációjaként a alapképzés terminus szócikke szerepel. ALAPKÉPZÉS ★☆☆ Meghatározás A felsőoktatás első képzési ciklusába tartozó tanulmányok, amelyek általános egyetemi műveltséget, a választott tanulmányi terület ismereteinek alapjait, valamint alapképzési fokozatot biztosítanak. Példák Az Egyesült Államok egyetemein megszokott, hogy a tehetségesebb hallgatók számára lehetővé teszik a mesterképzés és a doktori képzés összekapcsolását, pontosabban azt, hogy az alapképzés után közvetlenül doktori képzésre jelentkezzenek (ez bizonyos mértékig megmagyarázza, miért foglalják össze a mesterképzést és a doktori képzést egyetlen kifejezéssel – graduate studies –, amelyeket az úgynevezett graduate school keretében folytatnak), és 8 év egyetemi tanulmány után PhD-fokozatot szerezzenek. Az alapképzéssel együtt ajánlott időtartam – 5 év Az alapképzés (I. ciklus) rendszerint 4 évig tart (160 kredit, nappali képzés). Az alapképzés, a mesterképzés és a doktori képzés rendre az alapképzési szakdolgozat, a mesterszakos szakdolgozat, illetve a disszertáció megvédésével zárul. Az alapképzés az első képzési ciklusba tartozó tanulmányokat jelenti, amelyek általános egyetemi műveltséget és a választott tanulmányi terület ismereteinek alapjait biztosítják. Gyakoriság alapképzés 21 alapképzéssel 6 alapképzésben 3 alapképzést 7 alapképzésnek 14 Összes gyakoriság: 51 Megfelelők Angolul: bachelor’s studies Németül: Bachelorstudium Franciául: études de licence Szakterület felsőoktatási igazgatás 60 Irena Markievicz, Erika Rimkutė Švietimo ir mokslo terminų žodynas ir ontologija Kolokációk Bal oldali kolokációk Jobb oldali kolokációk PO alapképzés SU alapképzéssel RÖVIDÍTÉSEK alapképzést SZOFTVER alapképzéshez alapképzés ELSŐ CIKLUS alapképzés MESTERKÉPZÉS ÉS DOKTORI KÉPZÉS Konkordancia6 [1] munkába állni, vagy tovább folytatni és befejezni az alapképzést. A felsőoktatási intézmény képviselői közleményt adtak ki, [2] azokban az országokban, amelyek ilyen alapképzést kínálnak. Alapképzés a IV. évfolyam őszi félévében, a mesterképzés pedig [3] a teológiai képzési program – 5 év); az alapképzésre 1870 hallgatót vettek fel, 2009-ben pedig az egyetemek [4] az egyetemek vállalták, hogy 3, illetve 3,5 évre rövidítik az alapképzést, tájékoztat, hogy a tudományról és tanulmányokról szóló törvény [5] az egyetemek vállalták, hogy 3, illetve 3,5 évre rövidítik az alapképzést. Az Egyesült Államokban az alapképzést végzettek, hogy megkezdhessék a mesterképzést [6] a bizottságok követelményei: el kell végezni az alapképzést, ha kutatásorientált programra jelentkeznek, [7] évben az egyetemek vállalták, hogy akár 3 évre rövidítik az alapképzést. Néhány egyetem vállalta, hogy akár 3, illetve 3,5 évre [8] kredites (4,5 éves) alapképzést. az alapképzést, amely 4 évig tart (a katolikus teológiai képzés [9] nem kínáló képzések. Az ajánlott időszak az alapképzéssel együtt az alapképzés – 5 év (3 + 2; 3,5 + 1,5; 4 + 1). Az alapképzés [10] Amikor megkérték, hogy hasonlítsa össze ezeket a képzéseket a saját alapképzésével az Egyesült Államokban, a külföldi megjegyezte, hogy itt sokkal könnyebb. 6 Itt a konkordancia első tíz sora látható. A weboldalon a pluszjelre kattintva hosszabb konkordancia jelenik meg. Terminologija | 2013 | 20 61 Egyes terminusok mellett több ezer konkordanciasor szerepel. Ennyi információ áttekintése sok időt igényel, és ezek az adatok nem mindenki számára fontosak. A konkordancia sok segítséget nyújt azoknak, akik többet szeretnének megtudni egy terminus használatáról és arról a kontextusról, amelyben az adott terminust használják, esetleg más meghatározást szeretnének alkotni, kiválasztani a szükséges példákat, vagy objektív véleményt kialakítani. AZ ONTOLÓGIÁK FOGALMA ÉS LÉTREHOZÁSUK OKAI Ez és a következő fejezetek az oktatási és tudományos terminusok ontológiájáról, összeállításának elveiről, valamint ennek és más ontológiáknak a felhasználási lehetőségeiről szólnak. Az áttekinthetőség érdekében bemutatunk néhány vizualizált osztályozást és eredményt az oktatási és tudományos terminusok ontológiájából. Az ontológiák formális tudáskonceptualizációs eszközök, amelyek a természetes nyelven leírt ismereteket összefüggő fogalmak strukturált, hierarchikus modelljévé foglalják össze. Az információfeldolgozás minőségével és a terminusok többértelműségével kapcsolatos problémák miatt szükség van strukturált terminusbázisok létrehozására, amelyek segítségével a számítógépes programok feldolgozhatják az emberi természetes nyelvet (angolul natural language processing), és értelmezhetik annak szemantikáját. Ezért készülnek ontológiák. Egy adott nyelvet ismerő ember könnyen megérti a számára bemutatott természetes nyelvű szöveg jelentését, a számítógépes program viszont ugyanazt az információt szöveges szimbólumok és a hozzájuk kapcsolódó metaadatok halmazaként értelmezi. Az ontológiák jelentik azt a kapcsolódási láncszemet, amely a természetes nyelven megírt információt olyan fogalmi tudásmodellé alakítja, amelyet az információgyűjtő és -feldolgozó robotok könnyen értelmeznek. Az ontológiák létrehozása interdiszciplináris folyamat, amely a filozófia, a nyelvészet és az informatika területeit foglalja magában (bővebben lásd Grigonytė 2010). A filozófiában az ontológiát a létet és a létezést vizsgáló tudományágként értelmezik. Ezt a meghatározást a nyelvészek egészítik ki: a nyelvészetben az ontológia az egyes fogalmak és az azokat leíró terminusok hálózata. Az informatikában az ontológia a valóság logikai és formális leképezése. A természetes nyelvű szövegek legnagyobb és könnyen hozzáférhető forrása az internet; ezért az ontológiákat gyakran a szemantikus web és a szemantikus keresés egyik eszközének tekintik. A weboldalak szabványait kidolgozó W3C szervezet az ontológiát egy adott terület ismereteit leíró terminuskészletként határozza meg: „az ontológiákat emberek, adatbázisok és alkalmazások használják, amelyek egy adott terület információinak megosztására törekednek 62 Irena Markievicz, Erika Rimkutė | Švietimo ir mokslo terminų žodynas ir ontologija <...>. Az ontológiák összekapcsolják az adott terület számítógépes programok számára kialakított fogalmait és a köztük fennálló kapcsolatokat” (W3C). Az oktatási és tudományos terminusok ontológiája (a továbbiakban: az oktatási és tudományos terminusok ontológiája) azzal a céllal készült, hogy formalizálja a fent említett bevezető projekt keretében létrehozott oktatási és tudományos terminuskészletet, és olyan szemantikai kapcsolatokkal egészítse ki, amelyeket az alkalmazások értelmezni tudnak. Az ontológia létrehozásának fő feladatai a kiválasztott terület terminusainak és fogalmainak minőségi leírása, valamint jelentésük formális specifikálása. Ezek a feladatok fontosak a terminusok többértelműségének kezelése és az oktatási és tudományos terület strukturált terminusmodelljének kialakítása szempontjából. Az oktatási és tudományos terminusok ontológiája nem csupán az oktatási és tudományos terminusok taxonómiájaként, hanem a szemantikus keresés egyik lehetséges erőforrásaként is létrejött. Az oktatási és tudományos terminusok ontológiája a http://meta.vdu.lt/webprotege/, címen érhető el az interneten; vizualizálásához a WebProtege eszköz használható, amellyel megtekinthető a hierarchikus osztályfa, az osztályok attribútumai és a fogalmak példányai. A felhasználó új fülek és panelek megnyitásával vagy elrejtésével kényelmes grafikus felületet állíthat össze. A Chrome vagy a Mozilla Firefox böngésző használata ajánlott. A terminusok közötti kapcsolatok jobb megjelenítéséhez a Protege 4.3 és a OntoGraf bővítmény használata ajánlott. A NEVELÉSI ÉS TUDOMÁNYOS TERMINUSOK ONTOLÓGIÁJA LÉTREHOZÁSI MÓDSZERTANÁNAK KIVÁLASZTÁSA Az ontológiák létrehozásának általánosított koncepcióját a következő folyamat-metamodell írja le (bővebben lásd Cimiano 2006): M={D, LA, T, S, C, TR}, amelyben D a dokumentumok összegyűjtését, LA a nyelvi címkéket, T a terminusok kiválasztását, S a szinonimák meghatározását, C pedig a terminusok és szinonimáik fogalmakba történő rendezését, míg TR a fogalmak közötti szemantikai kapcsolatok meghatározását jelenti. Az ontológiák létrehozásának különböző módszertanai eltérő ontológiafejlesztési stratégiákat alkalmaznak: egyes módszertanok az ontológia életciklusára és prototípusok létrehozására helyeznek nagyobb hangsúlyt (Cyc, TOVE, Methontology, On-To-Knowledge), mások inkább az ontológiák alkalmazásokban való felhasználását hangsúlyozzák (KAKTUS). Egyes módszerekkel az ontológiákat összegyűjtött szövegkorpuszokból hozzák létre (TOVE, On-To-Knowledge), másokkal pedig nagy, általános tudásontológiákból (SENSUS, Cyc) (bővebben lásd Corcho et al. 2003). Az ontológiák legegyszerűbben a következő lépésekben hozhatók létre: kiválasztják a tudásterületet, feldolgozzák az információkat (meghatározzák a fogalmakat, terminusokat, korlátozásokat), Terminologija | 2013 | 20 63 meghatározzák az ontológia bővítésének módszereit és az értékelési kritériumokat, majd elkészítik az ontológia dokumentációját (bővebben lásd Uschold et al. 1996). Az ontológiák ezzel a módszerrel történő létrehozásakor nem tervezik ontológiaprototípusok készítését, illetve azt sem, hogy az ontológiákat kiegészítő információforrásként használják. E módszertan alkalmazásával több gazdasági tevékenységi ontológia készült, de nem tervezték meg, hogyan használhatók fel alkalmazásokban. Az On-To-Knowledge projektben javasolt módszertan főként a tudásmenedzsmentre, valamint a jövőbeli ontológiának az információs rendszerekben való használatára összpontosít (bővebben lásd Staab et al. 2001). A megvalósíthatósági tanulmány elkészítése után meghatározták az információforrásokat, az ontológia potenciális felhasználóit és a felhasználási módokat. Az On-To-Knowledge ontológia továbbfejlesztésében a kiválasztott terület szakértői vettek részt; a szövegekből és más tudásbázisokból összegyűjtött információkat dolgozták fel. Az ontológia minőségét annak ellenőrzésével értékelték, hogy megfelel-e a követelményeknek, és milyen alkalmazási lehetőségei vannak. Az ontológia létrehozásának és továbbfejlesztésének mindezek a lépései más ontológiák létrehozására vonatkozó ajánlásoknak tekinthetők. A bemutatott módszertanok elsősorban a szöveges információforrásokból történő ontológialétrehozás módszereire összpontosítanak. A SENSUS ontológiai módszertan azt javasolja, hogy a szakterületi ontológia létrehozásakor használjanak általános tudásontológiákat (bővebben lásd Gomez-Perez et al. 2004). A módszertan előírja az OntoSaurus tudásbázis terminusainak fogalmi fába rendezését. Két fogalmi osztály összekapcsolásakor egy általánosabb fogalmi osztályt (angolul: root class) keresnek. A nevelési és tudományos terminusok ontológiája létrehozási módszertanának kiválasztásakor figyelembe vették a rendelkezésre álló információforrásokat, valamint a nyelvtechnológiai eszközök és az ontológiafejlesztő eszközök alkalmazási lehetőségeit. Úgy döntöttek, hogy felhasználják a Methontology projektben felhalmozott tapasztalatokat (bővebben lásd Mariano et al. 2004; Gomez-Perez et al. 2004; Corcho et al. 2003). A Methontology nevelési és tudományos terminusok ontológiájának létrehozására való alkalmazását és az ontológia létrehozásához szükséges erőforrásokat az 1. ábra mutatja be. A specifikáció meghatározza az ontológia létrehozásának célját és terjedelmét. Az ontológia fogalmi modelljét a specifikáció során körülhatárolt terület figyelembevételével hozzák létre, majd formalizálják, vagyis formális ontológiamodellé alakítják. A fejlesztési folyamat során a formális modellt a kiválasztott ontológianyelv követelményeinek megfelelően valósítják meg. Még az elkészült ontológia is gyakran változik, bővül vagy frissül. 64 Irena Markievicz, Erika Rimkutė Švietimo ir mokslo terminų žodynas ir ontologija 1. ábra. Az oktatási és tudományos terminológiai ontológia létrehozásának folyamatai és erőforrásai (a Methontology alapján) A Methontology modell alkalmazásával létrejött a terminológiai glosszárium és a fogalmak taxonómiája, meghatározták az ontológia egyes objektumai közötti kapcsolatokat, továbbá elkészült a példák, attribútumok, osztályok, absztrakt osztályok, valamint attribútumaik és kapcsolataik adatbázisa. Ez megadja, hogy milyen esetekben létezik a kiválasztott fogalom, mely más fogalmakkal áll kapcsolatban, és leírja a fogalmak egyedeit is. Az ontológiák egy adott szakterület különféle dolgait írják le: személyeket (pl. rektori, hallgató), helyeket (pl. egyetem), folyamatokat (pl. tanítás, oktatás), a folyamatok eredményeit (pl. műalkotás, alapszakos szakdolgozat) stb. Ezeket az ontológiában fogalomnak (angolul concept) nevezzük; önálló ontológiai információegységként létezhetnek, vagy fogalmi osztályokba (angolul class) rendezhetők. A fogalmak taxonómiája (angolul concepts taxonomy) – a fogalmak kiválasztott ontológiai koncepcionális modell szerinti rendszerezett osztályozása – rendszerint a terminológiai glosszáriumból (angolul glossary of terms) készül, amelyet ebben az esetben a terminusok és meghatározásaik formális jegyzékeként értelmezünk (bővebben lásd Uschold et al. 2004). A klasszikus taxonómiában az osztály „hasonló egyedek csoportjaként definiálható, amely különbözik más egyedcsoportoktól” (bővebben lásd Mayr 1987). Minden ontológiai osztályt a rá jellemző tulajdonságok (angolul property) és azok korlátozásainak (angolul restriction) együttese ír le, amelyet az adott osztály valamennyi egyede (angolul instance, individual) örököl. Az egyed a kiválasztott fogalom konkrét példánya (pl. Zigmas Lydeka a rektori fogalom egyede). Terminologija | 2013 | 20 65 Az oktatási és tudományos terminológiai ontológia terminusait szaknyelvi korpuszban, nyelvészeti módszerekkel azonosították (bővebben lásd Grigonytė et al. 2011; Rimkutė 2012). Az ontológia fogalmait és fogalmi osztályait a alulról felfelé (angolul down-top strategy) és a felülről lefelé (angolul top-down strategy) megközelítést ötvöző stratégia alapján alakították ki (bővebben lásd Uschold et al. 1996). Az alulról felfelé irányuló stratégia alkalmazásakor először a legspecifikusabb fogalmakat azonosítják, majd ezeket absztraktabbakkal helyettesítik. A felülről lefelé irányuló stratégia alkalmazásakor először az absztrakt fogalmakat határozzák meg, majd pontosítják őket. Vegyes ontológiaalkotási stratégia esetén először a kiinduló fogalmakat vizsgálják meg, majd az igényeknek megfelelően pontosítják vagy általánosítják őket. Az ontológiai terminológia taxonómiájának létrehozásában ebben a szakaszban aktívan részt vett az oktatási és tudományos terület szakértője. A terminusokat szakterületek szerint csoportosította, és létrehozta az ontológia kezdeti koncepcionális modelljét. A fogalmi taxonómia létrehozásakor ajánlott különös figyelmet fordítani a következő lépésekre: terminusjegyzék összeállítása, a szükséges terminusok kiválasztása, a fogalmi modell létrehozása, a meghatározások kidolgozása és a terminusok értékelése (ISO 10241: 1992). AZ OKTATÁSI ÉS TUDOMÁNYOS TERMINOLÓGIA ONTOLÓGIÁJÁNAK FELÉPÍTÉSE Az ontológiaalkotási folyamat egyik kihívása olyan minőségi adatszerkezet létrehozása, amely univerzális, különböző információfeldolgozó rendszerekben alkalmazható, és más tudásforrásokkal is kompatibilis. Az ontológia alapvető eleme a dolog (angolul thing), amely az ontológia valamennyi fogalmát absztrahálja. Ennek az elemnek a szükségességét az ontológia filozófiai meghatározása magyarázza: az ontológia a létet vizsgáló tudomány. Az ontológia egy adott terület valamennyi ismeretét formalizálja, ezért szükséges eleme egy absztrakt osztály, amely az adott szakterület valamennyi fogalmát összefogja. A fogalmak, a terminusok és az axiómák minden ontológia alapvető fogalmi elemei. Fontos különbséget tenni a terminus és a fogalom jelentése között. Az LST ISO 1087-1 szabványban (2005) a fogalom meghatározása: „[a] megismerés egysége, amelyet a jellemzők sajátos együttese alkot”. A fogalom nyelvfüggetlen; csak a kontextus befolyásolhatja. A terminus a fogalom azonosítója, vagyis „[a]z általános fogalom szóbeli megjelölése egy meghatározott szakterületen” (LST ISO 1087-1: 2005). Az axiómák a szakterület sajátos korlátait írják le, és az ontológiai fogalmak hierarchikus szerkezetét alakítják ki. Az ontológia formális strukturális objektumai közé tartoznak a fogalmak, a fogalmi osztályok, az osztályok és fogalmak példányai, az osztályok, fogalmak és példányok tulajdonságai, továbbá az ontológia valamennyi objektumát összekapcsoló relációk és korlátozások. 66 Irena Markievicz, Erika Rimkutė Švietimo ir mokslo terminų žodynas ir ontologija 2. ábra. Az oktatási és tudományos terminológia ontológiájának felépítése az üzleti folyamatmodell területei szerint A szakértő javaslatára valamennyi terminust három absztrakt osztályba sorolták: bemenet, folyamat és kimenet (lásd a 2. ábrát); ezek az üzleti folyamatmodellekre jellemzőek (bővebben lásd: ISO 9001: 2000). A Bemenet osztály a rendszer vagy egy adott tevékenység követelményeit, erőforrásait és adatait határozza meg. Ezért ebbe a kategóriába tartoznak az infrastruktúra, az intézmény és a résztvevő terminuscsoportjai. A tevékenységi folyamatok alapvető folyamatokra (tevékenység osztály), amelyek hozzáadott értéket teremtenek, és támogató folyamatokra (adminisztráció osztály) oszlanak; utóbbiak megerősítik az alapfolyamatok működését, és biztosítják a folyamatokhoz szükséges infrastruktúrát. A Kimenet a folyamat hatékonyságát és teljesítményét foglalja össze: megadja, milyen eredményeket lehetett elérni, melyeket sikerült elérni, és milyen erőforrásokat használtak fel ezekhez (a tudományos, a szakképzési, a tanulmányi és a művészeti teljesítmény osztályai). Minden absztrakt szakterületi osztálynak lehetnek további szakterületi alosztályai (amint a 3. ábrán látható, a résztvevő osztály alosztálya az adminisztrátor, amely további alosztályokra tagolódik). Az oktatási és tudományos terminológia ontológiájában összesen 29 absztrakt osztály található. Fő rendeltetésük, hogy az említett felülről lefelé irányuló stratégia alapján kialakítsák az ontológia általános fogalmi modelljét. Terminologija | 2013 | 20 67 3. ábra. A résztvevő osztály általános fogalmai és absztrakt alosztályai az oktatási és tudományos terminológia ontológiájában Az oktatási és tudományos terminológia ontológiája 465 általános fogalmat tartalmaz7; hierarchiájukat definíciós kontextusok felismerésére szolgáló minták segítségével alakították ki (bővebben lásd: Bielinskienė et al. 2012). A definíciós kontextusok részben vagy teljesen megfelelnek a terminusok meghatározásainak, és hiperonim fogalmakból épülnek fel. Például a hallgató fogalma a következőképpen határozható meg: személy, aki felsőoktatási intézményben, osztatlan képzési program keretében tanul. A külföldi hallgató pedig olyan hallgató, aki egy másik országból érkezik valamely ország felsőoktatási intézményébe, hogy egy teljes osztatlan képzési programot vagy részképzést végezzen. A tudományos terminológia ontológiájában a következő taxonómiai relációk szerepelnek: – alosztálya (angolul subclass-of) – például a mesterképzéses hallgató a hallgató osztály alosztálya; – diszjunkt felbontás (angolul disjoint-decomposition) – például a tanulmányi teljesítmény nem lehet egyszerre szakdolgozat és disszertáció; – teljes felbontás (angolul exhaustive-decomposition) – például az oktató osztályhoz az adjunktus, lektor, professzor alosztályok tartoznak stb. Ha egy adott objektum oktató, akkor a felsorolt alosztályok legalább egyikébe kell tartoznia; – felosztás (angolul partition) – például a tanulmányi félév fogalom magában foglalja a tavaszi félév és az őszi félév fogalmát. Ha tanulmányi félévről van szó, annak a felsorolt alosztályok valamelyikébe kell tartoznia. tanulmányi félév 7 Az ontológia azokat a terminusokat is tartalmazza, amelyek nem szerepelnek az oktatási és tudományos terminológia szótárában, vagyis amelyeket nem határoztak meg részletesen. 68 Irena Markievicz, Erika Rimkutė Švietimo ir mokslo terminų žodynas ir ontologija 4. ábra. A hallgató fogalom taxonómiai hierarchiája az oktatási és tudományos terminusok ontológiájában Mivel az ontológia minőségének alapvető kritériuma a terminusok egyértelműsége, az oktatási és tudományos terminusok ontológiájának létrehozásakor nagy figyelmet fordítottak arra, hogy a fogalmak tulajdonságainak halmaza megfelelő minőségű legyen. Az osztályok, fogalmak és entitások tulajdonsághalmazának meghatározásához a leíró kontextusok felismerésére szolgáló minták alkalmazhatók (bővebben lásd Bielinskienė et al. 2012). A leíró kontextusok meghatározzák az elemzett fogalom jellegét és a rendszer más részeihez fűződő kapcsolatát. 5. ábra. Az aktív attribútum alkalmazási lehetőségei az oktatási és tudományos terminusok ontológiájában8 Ugyanazzal a tulajdonsággal több különböző fogalom is jellemezhető. Például az aktív tulajdonság négy fogalomra jellemző: gyakorlati munka, gyakorlati képzés, gyakorlati foglalkozás, gyakorlat (lásd az 5. ábrát). Ezért fontos hangsúlyozni, hogy egy fogalom csak a tulajdonságok bizonyos egyedi kombinációjával jellemezhető megfelelően. 8 A Protege 4.3 ontológiaszerkesztő és -vizualizációs eszköz használatakor nem volt lehetőség a litván nyelv használatára, ezért az ontológia szerkezeti elemei (pl. ObjectProperty, Domain) angol nyelven szerepelnek. Terminologija | 2013 | 20 69 6. ábra. A tanóra fogalmának tulajdonság- és korlátozáshalmaza az oktatási és tudományos terminusok ontológiájában Minden tulajdonsághoz megadhatók annak korlátozásai vagy más fogalmakkal, illetve fogalomosztályokkal fennálló kapcsolatai. Például a tanóra meghatározása: az oktatók és hallgatók kontaktóráinak időtartamát mérő, 45 perccel egyenlő egység. E fogalom formális, ontológiai definíciója a következő tulajdonsághalmazt nevezi meg: a tanóra a folyamat alosztálya; a résztvevők hallgatók és oktató; ez kontakt folyamat, amelynek időtartama egy 45 perces konstanssal van meghatározva (lásd a 6. ábrát). Az osztályok és fogalmak tulajdonságait, azok korlátozásait és más tulajdonságokkal fennálló kapcsolatait az entitások öröklik – a konkrét osztályok és fogalmak példányai, amelyekre jellemző 7. ábra. Az oktatási és tudományos terminusok ontológiája fogalmainak és entitásainak kapcsolati fája 70 Irena Markievicz, Erika Rimkutė | Švietimo ir mokslo terminų žodynas ir ontologija ugyanazokkal a tulajdonságokkal. Például, ha az ontológia azt jelzi, hogy a rektorius irányítja az egyetemet, akkor e fogalom példánya – Zigmas Lydeka – a VDU-t, vagyis az egyetem fogalmának példányát irányítja (lásd a 7. ábrát). Az oktatási és tudományos terminusok ontológiája OWL nyelven készült a Protege 4.3 ontológiaszerkesztő eszközzel, vizualizálása pedig a WebProtege eszközzel vagy az OntoGraf bővítménnyel9 történt. AZ OKTATÁSI ÉS TUDOMÁNYOS TERMINUSOK ONTOLÓGIÁJÁNAK ÉRTÉKELÉSE ÉS ALKALMAZÁSA Jelenleg az oktatási és tudományos terminusok ontológiája 29 absztrakt fogalomosztályt és 465 általános fogalmat, 87 fogalom, fogalomosztály és példányuk tulajdonságát, 141 példányt, valamint az ontológia fogalomosztályai, fogalmai és példányai közötti 296 kapcsolatot tartalmaz. Az ontológia összetettsége formálisan a leíró logika (angolul description logic) metrikáival értékelhető (bővebben lásd Corcho et al. 2003; Baader 2003). Az oktatási és tudományos terminusok ontológiáját az ALCHON(D) összetettségi szinten értékelték, ahol: – AL – attribútum-nyelv; lehetővé teszi fogalmak összekapcsolását és univerzális korlátozások megadását hozzájuk; – C – azt jelzi, hogy a fogalmak közötti kapcsolatok tagadhatók; – H – azt jelzi, hogy szerephierarchia hozható létre; – O – számossági korlátozások (kapcsolatok: pontosan egy, egy a sok közül); – N – számossági korlátozások (kapcsolatok: kevesebb, több); – (D) – adattípus-tulajdonságok. Az ontológia szókészletének, taxonómiájának és szemantikai kapcsolatainak értékelése mellett felmérik annak felhasználási és alkalmazási lehetőségeit is. A választott OWL ontológiaszerkesztő nyelv alkalmas szemantikai következtetések levonására, az ontológia új fogalmakkal való bővítésére, illetve különböző szakterületek ontológiáinak összekapcsolására. Az oktatási és tudományos terület terminusainak strukturális modellje úgy készült, hogy az ontológia minden fogalmát a tulajdonságok és szemantikai kapcsolatok egyedi halmaza írja le – ez a megoldás segít a terminusok többértelműségének problémáját kezelni. Ez az erőforrás nem csupán az oktatási és tudományos terület terminusainak taxonómiájaként jött létre, hanem a szemantikus keresés és a természetesnyelv-feldolgozás egyik lehetséges eszközeként is. 9 További információ: http://protege.stanford.edu. Terminologija | 2013 | 20 71 Eddig nagy figyelmet fordítottak arra, hogy az ontológiák miként alkalmazhatók a természetes nyelv számítógépes feldolgozásában, rendszerezésében és a számítógépes programok számára érthetővé tételében. Első pillantásra talán nem teljesen világos, hogy az ontológiák milyen hasznosak lehetnek a nyelvészek vagy más területek szakemberei számára. Hangsúlyozni kell, hogy az ontológiák különösen hasznosak a terminológusok számára, mivel az ontológiák vizualizációs eszközeinek segítségével jól láthatók a terminusok közötti kapcsolatok. A terminusok szemléltetésére az ontológiában szereplő, azokhoz kapcsolódó konkrét szavak választhatók ki (az ontológiában ezeket esiniais néven nevezik). Mind az oktatási és tudományos terminológiai szótár, mind az ontológia segítséget nyújthat az oktatás és tudomány területén tevékenykedőknek: oktatóknak, tanároknak, adminisztratív dolgozóknak, hallgatóknak és tanulóknak, mivel ezek a források megmutatják például, hogyan osztályozzák a hallgatókat, milyen típusú képzések vannak, miből áll a felsőoktatási intézmények adminisztrációja stb. ÖSSZEGZŐ MEGJEGYZÉSEK A cikk bemutatja az Oktatási és tudományos terminológiai szótárt és az Oktatási és tudományos terminológiai ontológiát. Mind a szótár, mind az ontológia továbbfejlesztés alatt áll. Mindkét forrás legnagyobb előnye és egyedisége, hogy olyan korpusznyelvészeti és számítógépes nyelvészeti elvek alapján készültek, amelyeket a litván terminológusok még kevéssé alkalmaznak. Az oktatási és tudományos terminológiai szótár interneten érhető el, és 224, egy-öt szóból álló terminust tartalmaz. Más terminológiai szótáraktól abban különbözik, hogy a terminológiai szótárak szokásos elemein (magukon a terminusokon, a meghatározásokon és az idegen nyelvű megfelelőken) kívül minden terminus valamennyi ragozott alakját és azok gyakoriságát, az oktatási és tudományos korpuszból vett példákat, kollokátumokat és konkordanciákat is közli. Ezek az adatok azért fontosak, mert a szótár használói átfogó képet alkothatnak egy adott terminus használatáról és kontextusáról; olyan fontos jellemzőket is felfedezhetnek, amelyek esetleg nem szerepelnek a meghatározásban. Az interneten elérhető oktatási és tudományos terminológiai ontológia feltárja, hogy milyen szemantikai kapcsolatok kötik össze az oktatás és tudomány terminusait, és ezt az információt a számítógépes programok számára is érthetővé teszi. Az ontológiák különösen hasznosak lehetnek a terminológusok számára, akik egy adott terület terminusait osztályozzák és írják le, valamint konkrét példákat mutatnak be. Remélhető, hogy mind az oktatási és tudományos terminológiai szótár, mind az ontológia módszertanilag fontos erőforrás lesz, és arra ösztönzi a litván terminológusokat, hogy jobban kihasználják a korpuszok kínálta lehetőségeket a terminusok vizsgálatára, leírására és osztályozására. 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