Švietimo ir mokslo terminų žodynas ir ontologija

5 6 Irena Markievicz, Erika Rimkutė | Oktatási és tudományos | ir ontologija terminológiai szótár Oktatási és tudományos terminológiai szótár és ontológia IRENA MARKIEVICZ, ERIKA RIMKUTĖ KULCSSZAVAK: korpusz, oktatási és Vytauto Didžiojo universitetas tudományos terminusok, ontológia, szótár BEVEZETÉS 2010–2012-ben a Vytautas Magnus Egyetem Számítógépes Nyelvészeti Központjában a Litván Tudományos Tanács által finanszírozott, Oktatási és tudományos terminusok automatikus azonosítása (ŠIMTAI 2) című projektet hajtották végre. A projekt fő célja a korpusznyelvészeti módszerek kipróbálása volt annak érdekében, hogy a terminusokat automatikusan vagy félautomatikusan lehessen felismerni, automatizálják a korpuszban a terminusok meghatározásának megfogalmazásához szükséges információk kiválasztását, és ezáltal megkönnyítsék a terminológusok munkáját. Az elvégzett kutatás legfontosabb eredményei a módszertanokon kívül egy speciális oktatási és tudományos (a továbbiakban ŠM) korpusz (mérete – 4 millió szó), e speciális korpusz alapján összeállított Oktatási és tudományos terminológiai szótár, valamint az Oktatási és tudományos terminológia ontológiája. A tanulmány bemutatja a ŠM terminológiai szótárt és a ŠM terminológia ontológiáját. Ismerteti a szótár szerkezetét, valamint a más terminológiai szótáraktól való eltéréseit. Nagyobb figyelmet szentel a ŠM terminológia ontológiájának. Bemutatásra kerül, hogyan definiálják az ontológiákat a tudomány különböző területein, mire van szükség rájuk, és milyen módszerekkel hozzák létre őket. Részletesen tárgyaljuk az oktatási és tudományos terminusok ontológiáját, bemutatjuk annak felépítését, példákat közlünk, és ismertetjük, hogyan alkalmazható ez a forrás. Mindkét munka – mind az oktatási és tudományos terminusok szótára, mind az oktatási és tudományos terminusok ontológiája – ugyanazon anyag, vagyis egy specializált oktatási és tudományos szöveggyűjtemény alapján, a korpuszés számítógépes nyelvészeti módszertan alkalmazásával készült. E munkával a korpuszok és a számítógépes nyelvészet terminológia területén rejlő lehetőségeit kívánjuk bemutatni, és fel szeretnénk hívni a terminológusok, terminológiai szótárak vagy adatbázisok összeállítóinak figyelmét arra, hogy a terminusok rendszerezése legalább részben automatizálható, valamint hogy összeegyeztethető a terminuselemzés preskriptív és deskriptív megközelítése. 5 7Terminologija | 2013 | 20 AZ OKTATÁSI ÉS TUDOMÁNYOS TERMINUSOK SZÓTÁRÁNAK ÖSSZEÁLLÍTÁSI SZAKASZAI Az oktatási és tudományos terminusok szótárának terminusait specializált szöveggyűjteményben, nyelvészeti módszerekkel határozták meg (bővebben lásd: Grigonytė et al. 2011; Rimkutė 2012). A szótár összeállítása két évig tartott, vagyis amíg a bevezetőben említett projektet megvalósították, a következő szakaszokban: 1) összeállítottak egy 4 millió szavas specializált oktatási és tudományos szöveggyűjteményt; 2) a szöveggyűjteményt automatikusan morfológiailag annotálták; 3) létrehoztak egy nyelvészeti szabályokon alapuló, a terminusokat automatikusan kiválasztó eszközt; 4) meghatározták a lehetséges terminusok kiválasztásának kritériumait; 5) mintegy 11 ezer, egytől tizenöt szóig terjedő lehetséges terminust azonosítottak; 6) további kritériumokat alkalmaztak a lehetséges terminusok kiválasztására1; 7) nustatyta 780 ŠM terminų (1–5 žodžių); 8) elkészítették a korpuszokon alapuló terminusmeghatározás módszertanát; 9) elkészítették a terminusmeghatározások meghatározásához szükséges nyelvészeti erőforrásokat; 10) meghatározták 300 kiválasztott terminuscsoport terminusait; 11) megadták a meghatározott terminusok angol, német és francia megfelelőit. Kétségtelen, hogy minden terminológiai szótár összeállítása sok szakember munkaidejét és pénzügyi erőforrást igényel. Ebben a cikkben egy, bár kis terjedelmű – 224 terminust tartalmaz (bővebben lásd a következő fejezetet) –, módszertanilag azonban nagyon összetett terminológiai szótárt mutatunk be. Amint az a szótár összeállításának leírt szakaszaiból látható, még a megfelelő szakterület szakosított korpuszának2 megléte esetén is speciális eszközökre3 volt szükség a terminusok automatikus felismeréséhez és meghatározásához. 1 Legfeljebb hét szóból álló terminusokat elemeztünk; a gyakoriságot is figyelembe vettük: minél rövidebb egy terminus, annál gyakrabban kell előfordulnia; például csak azokat az egyszavas terminusokat elemeztük, 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 egy reprezentatív korpusz összeállításához, amelyben meg lehetett határozni a terminusokat, gondosan ki kellett válogatni a szövegeket, műfajilag kiegyensúlyozni és technikailag feldolgozni őket (a pdf-fájlokból szöveges fájlokba áthelyezni, megváltoztatni a kódolást stb.). 3 Ebben a projektben a litván nyelvre adaptált, a terminusok automatikus meghatározására szolgáló eszközt hoztak létre, mivel amint az a korábbi kísérletekből látható (lásd Grigonytė et al. 2011), a nyelvek szerkezeti különbségei miatt a más nyelvekhez készült terminusfelismerő eszközöket szinte lehetetlen a litván nyelvre alkalmazni. Ebben az eszközben nyelvészeti szabályokat alkalmaztak: meghatározott grammatikai szerkezetű terminusokat kerestek, például melléknév + főnév, a főnév birtokos esete + főnév, igenév + főnév stb. Hasonló módszerekkel határozzák meg a terminusokat a lett nyelv kutatói is (lásd: Gornostay et al. 2012; Krugļevskis et al. 2005). Szerintük a terminusok lingvisztikai módszerekkel (morfo­szintaktikai elemzéssel) történő meghatározása megfelelőbb, mint az analitikus nyelvekhez illő statisztikai módszerek. 5 8 Irena Markievicz, Erika Rimkutė | Az oktatási és tudományos terminusok szótára | ir ontologija Az is bonyolult feladatot jelentett, hogy az összes automatikusan meghatározott, értelmes és grammatikailag helyes szerkezetű szókapcsolat közül kiválasszák az OTM terminusait. Nehézséget okozott, hogy a 4 millió szavas korpuszból az úgynevezett lehetséges terminusok száma nem kevesebb mint 11 ezer volt. A kutatás és a szótár összeállításának következő szakaszában fontos volt az összes szókapcsolat közül meghatározni az OTM terminusait (erről a problémáról lásd Rimkutė 2012). Felhívjuk a figyelmet arra, hogy a bemutatott OTM-terminusszótár korpuszalapon készült. Ez azt jelenti, hogy nem a terminológusok kompetenciáján alapuló, Litvániában mindmáig még mindig elterjedt, olykor meglehetősen szubjektív, preskriptív terminusrendezési módszert alkalmazták, hanem a modern terminológiában előnyösebbnek tartott, a korpuszadatokon alapuló deskriptív terminuselemzési és -meghatározási módszert. A szótárak összeállításához a korpuszok nagyon szükségesek, mivel segítségükkel meghatározhatók a terminusok használatának legtipikusabb, leggyakoribb mintái, amelyek fontosak a jelentés meghatározásához és a releváns példák kiválasztásához. A terminusok meghatározásának összetett módszertana miatt úgy apibrėžti 300 terminų. Atsirinkti tam tikrų grupių terminai: terminai su döntöttek, hogy részletesen kidolgozzák az akademinis szóval (pl.: akadémiai szabadság, akadémiai etika, akadémiai óra), a darbas szóval (pl.: diplomamunka, házi feladat, önálló munka), az išsilavinimas szóval (pl.: egyetemi végzettség, általános műveltség, felsőfokú végzettség), a švietimas szóval (pl.: oktatási szolgáltató, felnőttoktatás, nem formális oktatás) és így tovább alkotott kifejezéseket. Meghatároztak néhány gyakran használt egy szóból álló terminust is: hallgató, tudós, egyetem stb. A többi terminológiai szótárhoz hasonlóan az Oktatási és Tudományos Terminológiai Szótárban a terminusok többsége mellett angol, német és francia nyelvű megfelelőket is feltüntettek. Ezeket a meghatározott terület jóváhagyott forrásaiból, dokumentumaiból, valamint specializált terminológiai Educational Terms), Aiškinamojo su studijomis susijusių terminų žodyno, Der adatbázisaiból gyűjtötték: az Angol nyelv oktatási terminológiai szótárából (Glossary of Europäische Qualifikationsrahmen für lebenslanges Lernen, EuroVoc (az Európai Unió többnyelvű tezaurusza), a Litván Köztársaság Terminológiai Bankjából stb. Elsősorban Nagy-Britannia, Franciaország és Németország oktatási terminológiájára támaszkodtak, azonban számos fordítási megfelelő jelentése az említett országok rendszerének kontextusában nem teljesen azonos a Litvánia oktatási és tudományos területén használt eredeti terminusok jelentésével. A szótárban megadott, idegen nyelvű terminusmegfelelők a Litván Köztársaság tudományos és oktatási rendszerére alkalmazhatók, és nem mindig (vagy csak részben) alkalmazhatók egy másik ország mokslo ir švietimo sistemai apibūdinti. 5 9Terminologija | 2013 | 20 AZ OKTATÁSI ÉS TUDOMÁNYOS TERMINOLÓGIAI SZÓTÁR FELÉPÍTÉSE Az Oktatási és Tudományos Terminológiai Szótár szabadon hozzáférhető az interneten a http://dautesniame címen; egy későbbi fejezetben kantas.vdu.lt/moksliniai-terminai/. Čia pateikti 224 terminai, nors anksaz szerepel, hogy 300 terminust határoztak meg. A meghatározott és a szótárban szereplő terminusok száma azért tér el, mert megfigyelték, hogy egyes terminusok (pl.: a képesítési szint / szint; a tudományos / tudományos fokozat; a tudományos / tudományos produkció; a mesterképzés / mesteri darbo krūvis; valstybės / valstybinis mokslo institutas) vartojami kaip sinotanulmányok; a hallgató tanulási / nimai, ezek hasonló szerkezetűek, ezért az ilyen terminusokat összevonták. Az Oktatási és Tudományos Minisztérium terminológiai szótárában megtalálhatók minden terminológiai szótár szükséges részei, azaz maga a terminus és annak meghatározása. Amint említettük, meg vannak adva az angol, német és francia nyelvű megfelelőik. Ezenkívül fel vannak tüntetve a szakterületek (pl. a felsőoktatás irányítása, a felsőoktatási politika, a felsőoktatás igazgatása), valamint egyes terminusok rövidítései. A szótár abban különbözik más terminológiai szótáraktól vagy adatbázisoktól, hogy feltünteti a terminusok valamennyi ragozott alakját is azok gyakoriságával, valamint a terminus általános gyakoriságát az Oktatási és Tudományos Korpuszban. Minden terminus mellett legalább két használati példa található az Oktatási és Tudományos Korpuszból (a példákat nem szerkesztettük és nem változtattuk meg, csak néha rövidítettük), továbbá a bal és jobb oldali kollokátumok4, valamint a konkordancia5. Nem minden terminus meghatározásához volt elegendő információ a korpuszban. Azoknál a terminusoknál, amelyek meghatározásának megfogalmazásához kevés volt az információ (például: képzési szolgáltató, hallgatói kosár, alapfokú végzettség), csillagokat tüntettünk fel. Mivel a terminusokat a korpuszból választottuk ki, ismert volt, hogy milyen gyakran fordulnak elő, ezért minden terminus mellett feltüntettük a többi terminushoz viszonyított, egyezményesen jelölt gyakoriságot: êêê a leggyakoribb terminusok mellett látható, amelyek az Oktatási és Tudományos Korpuszban legfeljebb 500 alkalommal fordulnak elő; êêê a ritkább terminusok mellett látható, amelyek a korpuszban 100–499 alkalommal fordulnak elő; 4 Ezek az elemzett terminus kontextuális partnerei, amelyeket statisztikailag (gyakoriság alapján) határoznak meg, és amelyek gyakran a terminus bal és jobb oldalán helyezkednek el. 5 Ez a kiválasztott terminus valamennyi nyelvtani alakjának korpuszból származó használati eseteit tartalmazza, egyetlen soros kontextusban bemutatva (a konkordanciasor általában egynél több mondatot foglal magában). A konkordanciát általában 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 körülbelül 50–50 karakteres konkordanciarészlet látható. Hosszabb konkordanciarészlet megtekintéséhez (balról és jobbról körülbelül 150–150 karakter), a konkordanciasor végén található pluszjelre kell kattintani. 6 0 Irena Markievicz, Erika Rimkutė | Oktatási és tudományos terminusok | ir ontologija szótára êêê azoknál a terminusoknál jelenik meg, amelyeket a korpuszban 10–99 alkalommal használtak; êêê a ritka terminusok mellett jelenik meg, amelyeket a korpuszban kevesebb mint 10 alkalommal használtak. A továbbiakban a felsőoktatási terminológiai szótár illusztrációjaként a bakalárusi tanulmányok terminus szócikke következik. BAKALÁRUSI TANULMÁNYOK êêê Meghatározás A felsőoktatás első ciklusába tartozó tanulmányok, amelyek általános egyetemi műveltséget, valamint a választott tanulmányi terület ismereteinek alapjait és bakalárusi fokozatot biztosítanak. Pavyzdžiai Az Egyesült Államok egyetemein szokásos, hogy a tehetségesebb hallgatók számára lehetővé teszik a mesterképzés és a doktori képzés összekapcsolását, pontosabban azt, hogy közvetlenül a bakalárusi tanulmányok után doktori képzésre jelentkezzenek (ez bizonyos mértékben magyarázza, hogy a mesterképzést és a doktori képzést egyetlen terminussal – graduate studies – kapcsolják össze, amelyet az úgynevezett graduate schoolban folytatnak), és 8 év egyetemi tanulmány után PhD-fokozatot szerezzenek. A bakalárusi tanulmányokkal együtt ajánlott időtartam – 5 év. A bakalárusi tanulmányok (I. ciklus) általában 4 évig tartanak (160 kredit, nappali tagozatos tanulmányok). A bakalárusi tanulmányok, a mesterképzés és a doktori képzés rendre a bakalárusi dolgozat, a diplomamunka és a disszertáció megvédésével zárulnak. A bakalárusi tanulmányok olyan első ciklusú tanulmányok, amelyek általános egyetemi műveltséget és a választott tanulmányi terület ismereteinek alapjait biztosítják. Gyakoris: alapképzés 21, alapképzéssel 6, alapképzésben 3, alapképzést 7, alapképzés 14 Összes gyakoriság: 51 Megfelelések Angolul: bachelor’s studies Németül: Bachelorstudium Franciául: études de licence Szakterület: felsőoktatási adminisztráció 6 1Terminológia | 2013 | 20 Kolokatai Bal oldali kollokátumok Jobb oldali kollokátumok ALAPKÉPZÉS UTÁNI tanulmányok ALAPKÉPZÉSSEL TRUMPINTI bakalauro studijas SZOFTVER alapképzéshez alapképzés I. CIKLUS alapképzés MESTERKÉPZÉS ÉS DOKTORI KÉPZÉS Konkordancia6 [1] munkatevékenységet folytatni, vagy tovább terjesztette a közleményt, folytatni és befejezni a + alapfokú A felsőoktatási intézmény képvisetanulmányokat. vagy [2] országokban, amelyek ilyen alapképzéseket Az alapképzés IV. kínálnak. tanulmányok és évfolyamának őszi félévében, mesterképzések + [3] teológiai képzési program – 5 év) ; a képzésbe, 2009-ben vettek felpedig az Egyetemek + alapképzésre 1 870 hallgatót [4] az egyetemek úgy döntöttek, hogy a tanulmányi törvény + képzéseket 3, illetve 3,5 alapképzés tájékoztat arról, hogy a Tudományés évre rövidítik; a [5] az egyetemek úgy döntöttek, hogy a a mesterképzést + az képzéseket 3, illetve 3,5 amerikai alapképzésben részt vevők, arra törekedve, hogy évre rövidítik. megkezdeni [6] a bizottságok követelményei: kutatásorientált tanulmányokat kell programot, + alapképzésre való jelentkezés esetén befejezni, [7] Az egyetemek vállalták, hogy a tanulmányokat alapképzés Több egyetem legfeljebb 3 évre vállalta, hogy legfeljebb rövidítik. 3 és 3, 5 éves + [8] kredites (4, 5 éves) alapképzési katolikus teológiai tanulmányokat. a tanulmányok + alapképzés 4 évig tartanak tanulmányokat (a [9] Ajánlott nem nyújtott tanulmányok. az időszak az alapképzéssel 2 ; 3, 5 + 1, együtt – 5 év (3 + tanulmányokkal 5 ; 4 + 1). Alapképzés + [10] Arra kérték, hogy hasonlítsa össze ezeket a tanulmányokat a saját tanulmányaival; azt mondta, hogy itt sokkal könnyebb. + bachelor az Egyesült Államokban, külföldi észrevette, 6 Itt csak a konkordancia első tíz sora látható. A weboldalon a pluszjelre kattintva hosszabb konkordancia jelenik meg. 6 2 Irena Markievicz, Erika Rimkutė | Oktatási és tudományos terminológiai szótár | ir ontologija Egyes terminusokhoz több ezer konkordanciasor tartozik. Az ilyen mennyiségű információ áttekintése sok időt igényel, és ezek az adatok nem mindenki számára fontosak. Azok számára, akik többet szeretnének megtudni a terminus használatáról, arról a kontextusról, amelyben a kiválasztott terminust használják, esetleg más definíciót szeretnének megfogalmazni, a szükséges példákat kiválasztani és objektív véleményt kialakítani, a konkordancia nagy segítséget nyújt. AZ ONTOLÓGIÁK FOGALMA ÉS LÉTREHOZÁSUK OKAI Ebben és a következő fejezetekben az oktatási és tudományos terminusok ontológiájáról, annak összeállítási elveiről, valamint ennek és más ontológiáknak a felhasználási lehetőségeiről van szó. Az érthetőség kedvéért az oktatási és tudományos terminusok ontológiájának néhány vizualizált osztályozása és eredménye is bemutatásra kerül. Az ontológiák a tudás konceptualizálásának formális eszközei, amelyek a természetes nyelven leírt tudást egymással összefüggő fogalmak strukturált, hierarchikus modelljébe foglalják össze. Az információfeldolgozás minőségével és a terminusok többértelműségével kapcsolatos problémák miatt szükségessé válik olyan strukturált terminológiai adatbázisok létrehozása, amelyek segítségével a számítógépes programok képesek feldolgozni az emberek természetes nyelvét (angl. natural language processing) és értelmezni annak szemantikáját. Ezért hoznak létre ontológiákat is. Egy adott nyelvet ismerő ember könnyen felfogja a számára bemutatott természetes nyelvű szöveg jelentését, míg egy számítógépes program ugyanazt az információt szöveges szimbólumok és a hozzájuk kapcsolódó metaelemek halmazaként értelmezi. Az ontológiák azt az összekötő láncszemet jelentik, amely a természetes nyelven írt információt olyan konceptuális tudásmodellé alakítja, amelyet az információgyűjtő és -feldolgozó robotok könnyen értelmeznek. Az ontológiák létrehozása interdiszciplináris folyamat, amely a zistenciją. Tokią ontologijos apibrėžtį papildo lingvistai; ontologija linfilozófia, a nyelvészet és az informatika tudományterületeit foglalja magában (bővebben lásd Grigonytė 2010). A filozófiában az ontológiát a létet vizsgáló diszciplínaként értelmezik, a eggvistikoje – az egyes fogalmak és az azokat jellemző terminusok hálózataként. Az informatikában az ontológia a valóság logikai és formális reprezentációja. A természetes nyelvű szövegek legnagyobb és könnyen hozzáférhető forrása az internet, ezért az ontológiákat gyakran a szemantikus web és a szemantikus keresés egyik eszközeként értelmezik. A webhelyek szabványait kidolgozó W3C szervezet az ontológiát egy adott terület ismereteit leíró terminuskészletként határozza meg: „az ontológiákat olyan emberek, adatbázisok és alkalmazások használják, amelyek egy adott terület 6 3Terminológia | 2013 | 20 információit <...> meg kívánják osztani. Az ontológiák összekapcsolják az adott terület számítógépes programokhoz igazított fogalmait és a közöttük fennálló kapcsolatokat“ (W3C). Az oktatási és tudományos terminusok ontológiája (a továbbiakban: OT terminusontológia) azzal a céllal jött létre, hogy formalizálja a bevezetőben említett projekt keretében létrehozott OT terminuskészletet, és kiegészítse azt olyan szemantikai kapcsolatokkal, amelyeket az alkalmazások értelmezni tudnak. Az kybiškai aprašyti pasirinktos srities terminus bei sąvokas ir formaliai speontológia létrehozásának fő munkafolyamatai: jelentésük kodifikálása. Ezek a munkálatok fontosak a terminusok többértelműségének problémája megoldása és az OT-terület strukturális terminusmodelljének kialakítása szempontjából. Az OT terminusontológiája nemcsak az OT terminusainak taxonómiájaként, hanem a szemantikus keresés egyik lehetséges erőforrásaként is létrejött. Az ŠM terminusontológiája az interneten a http://meta.vdu.lt/ webprotege/ címen érhető el, és a WebProtege eszköz segítségével vizualizálható, amellyel megtekinthető az osztályok hierarchikus fája, azok attribútumai és a fogalmi entitások példái. A felhasználó új lapok és blokkok megnyitásával vagy elrejtésével kényelmes grafikus felületet állíthat össze. A Chrome vagy a Mozilla Firefox böngészők használata ajánlott. Annak érdekében, hogy a ŠVIETIMO IR MOKSLO TERMINŲ ONTOLOGIJOS terminusok közötti kapcsolatok jobban megjeleníthetők legyenek, a Protege 4.3 használata ajánlott az OntoGraf bővítménnyel. A KIDOLGOZÁSI MÓDSZERTAN KIVÁLASZTÁSA Az ontológiák kidolgozásának általánosított koncepcióját a következő folyamatmetamodell írja le (bővebben lásd: Cimiano 2006): M={D, LA, T, S, C, TR}, amelyben a D a dokumentumok összegyűjtését, az LA a nyelvi címkéket, a T a terminusok kiválasztását, az S a szinonimák meghatározását, a C a terminusok és szinonimáik fogalmakká történő összekapcsolását, a TR pedig a fogalmak szemantikai kapcsolatainak meghatározását jelenti. Különböző giau dėmesio skiriama ontologijos gyvavimo ciklui ir prototipų kūrimui ontológiafejlesztési módszertanok alkalmazásakor eltérő ontológiafejlesztési stratégiákat használnak: egyes módszertanok alapján több- (Cyc, TOVE, Methontology, On-To-Knowledge), másokban inkább az ontológiák alkalmazási programokban történő felhasználása kap hangsúlyt (KAKTUS). Egyes módszerekkel az ontológiákat összegyűjtött szövegkorpuszokból hozzák létre (TOVE, On-ToKnowledge), kitais – iš didelių bendrinių žinių ontologijų (SENSUS, Cyc) (bővebben lásd: Corcho et al. 2003). Az ontológiákat legegyszerűbben a következő szakaszokban hozzák létre: kiválasztják a tudásterületet, feldolgozzák az információt (meghatározzák a fogalmakat, terminusokat, korlátozásokat), 6 4 Irena Markievicz, Erika Rimkutė | Oktatási és tudományos terminológiai | ir ontologija szótár megadják az ontológia bővítésének módszereit és az értékelési kritériumokat, elkészítik az ontológia dokumentációját (bővebben lásd: Uschold et al. 1996). Az ontológiák ilyen módszerrel történő összeállítása nem irányozza elő ontológiaprototípusok létrehozását, illetve azt, hogy az ontológiákat kiegészítő információforrásként használják. E módszertan alkalmazásával több gazdasági tevékenységi ontológiát hoztak létre, de nem határozták meg, hogyan használhatók fel ezek az alkalmazásokban. Az On-To-Knowledge projektben olyan módszertant javasoltak, amely elsősorban a tudásmenedzsmentre és a jövőbeli ontológia információs rendszerekben való felhasználásának lehetőségeire 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; feldolgozták a szövegekből és más tudásbázisokból összegyűjtött információt. Az ontológia minőségét annak ellenőrzésével értékelték, hogy az ontológia megfelel-e a követelményeknek és az alkalmazási lehetőségeknek. Az ontológia létrehozásának és továbbfejlesztésének mindezen szakaszai ajánlásként szolgálhatnak más ontológiák összeállításához. A bemutatott módszertanok elsősorban a szöveges információforrásokból történő ontológiaépítés módszereire összpontosítanak. A SENSUS ontológiamódszertan a szakterületi ontológia létrehozásának folyamatában általános tudásontológiák használatát javasolja (bővebben lásd: Gomez-Perez et al. 2004). A módszertan előirányozza az OntoSaurus tudásbázisából származó terminusok fogalmi fába történő csoportosítását. Két fogalmi osztály összekapcsolásakor egy általános fogalmi osztályt (angl. root class) keresnek. A ŠM-terminusok ontológiája létrehozásának módszertanának kiválasztásakor figyelembe vették a rendelkezésre álló információs erőforrásokat, valamint a nyelvtechnológiák és az ontológiaépítő 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 alkalmazása a ŠM terminusok ontológiájának létrehozására, valamint az ontológiafejlesztés erőforrásai az 1. ábrán láthatók. A specifikáció során megadják az ontológia létrehozásának mas atsižvelgiant į specifikacijos metu išgrynintą sritį, vėliau jis formalicélját és hatókörét. Az ontológia konceptuális modelljét formalizálják – formális ontológiamodellé alakítják. A fejlesztési folyamat során a formális modellt a választott ontológiafejlesztési nyelv követelményei szerint valósítják meg. Még a létrehozott ontológiát is gyakran módosítják, bővítik vagy frissítik. 7 1Terminológia | 2013 | 20 ugyanazokkal a tulajdonságokkal. Például, ha az ontológiában meg van adva, hogy a rektor vezeti az egyetemet, akkor ennek a fogalomnak az egyede – Zigmas Lydeka – vezeti a VDU-t, vagyis az egyetem fogalom egyedét (lásd a 7. ábrát). Az oktatási és tudományos terminusok ontológiája OWL nyelven, a Protege 4.3 ontológiafejlesztő eszközzel készült, vizualizációja a WebProtege eszköz vagy az OntoGraf bővítmény9 használatával történt. ŠVIETIMO IR MOKSLO TERMINŲ ONTOLOGIJOS ÉRTÉKELÉS ÉS ALKALMAZÁS Jelenleg az oktatási és tudományos terminusok ontológiájában 29 absztrakt fogalomosztály és 465 általános fogalom, a fogalmak, fogalomosztályok és egyedeik 87 tulajdonsága, 141 egyed, valamint az ontológia fogalomosztályai, fogalmai és egyedei közötti 296 kapcsolat található. Formálisan az ontológia összetettsége a leíró logika (angl. description logic) metrikáinak segítségével értékelhető (részletesebben lásd: Corcho et al. 2003; Baader 2003). Az oktatási és tudományos terminusok ontológiáját ALCHON(D) összetettségi szinten értékelték, ahol: – AL – attribútumok nyelve; ezzel fogalmak kapcsolhatók össze, és univerzális korlátozások írhatók elő számukra; – C – azt jelzi, hogy a fogalmak közötti kapcsolatok tagadhatók; – H – azt jelzi, hogy szerephierarchia hozható létre; – O – mennyiséget értékelő korlátozások (kapcsolatok: pontosan egy, egy a sok közül); – N – mennyiségi korlátozások (kapcsolatok: kevesebb, több); – (D) – az adattípusok tulajdonságai. Az ontológia szótárán, taxonómiáján és szemantikai kapcsolatain kívül annak felhasználási és alkalmazási lehetőségeit is értékelik. A választott OWL ontológiafejlesztési nyelv alkalmas szemantikai következtetések levonására, az ontológia új fogalmakkal való kiegészítésére vagy több, különböző területhez tartozó ontológia összekapcsolására. Az oktatás és tudomány területének strukturális terminusmodellje úgy készült, hogy az ontológia minden fogalmát a tulajdonságok és szemantikai kapcsolatok egyedi halmaza írja le – ez a megoldás segít a terminusok többértelműségének problémáját megoldani. Ez a forrás nemcsak az oktatási és tudományos terület terminusainak taxonómiájaként, hanem a szemantikus keresés és a természetesnyelv-feldolgozás egyik lehetséges eszközeként is létrejött. 9 További információ: http://protege.stanford.edu. 7 2 Irena Markievicz, Erika Rimkutė | Oktatási és tudományos terminusok szótára | ir ontologija Eddig nagy figyelmet fordítottak arra, hogyan alkalmazhatók az ontológiák a természetes nyelv számítógépes feldolgozásában, rendszerezésében és a számítógépes programok számára érthetővé tételében. Talán első kuo ontologijos gali būti pravarčios lingvistams ar kitų sričių specialistams. pillantásra nem teljesen világos. Hangsúlyozni kell, hogy az ontológiák különösen hasznosak a terminológusok számára, mivel az ontológiavizualizációs eszközök segítségével világosan láthatóvá válnak a terminusok közötti kapcsolatok. A terminusok szemléltetésére kiválaszthatók az ontológiában szereplő, az adott terminusokhoz kapcsolódó konkrét szavak (az ontológiában entitásoknak nevezik őket). Mind az oktatási és tudományos terminusok szótára, mind az ontológia segítséget nyújthat az oktatási és tudományos terület résztvevőinek: oktatóknak, tanároknak, adminisztratív dolgozóknak, hallgatóknak és tanulóknak, mivel ezekben a forrásokban látható például, hogyan osztályozzák a hallgatókat, milyen típusú képzések léteznek, miből áll a felsőoktatási intézmények adminisztrációja stb. ÖSSZEFOGLALÓ MEGJEGYZÉSEK A cikk az Oktatási és tudományos terminusok szótárát, valamint az Oktatási és tudományos terminusok ontológiáját mutatta be. Mind a szótár, mind az ontológia továbbfejlesztett. Mindkét forrás legnagyobb előnye és sajátossága, hogy a litván terminológusok által még kevéssé alkalmazott korpuszés számítógépes nyelvészeti elvek felhasználásával készültek. Az oktatási és tudományos terminológiai szótár online hozzáférhető, és 224, egy–öt szóból álló terminust tartalmaz. Ez a többi terminológiai szótártól abban különbözik, hogy a terminológiai szótár szokásos részein (magukon a terminusokon, a meghatározásokon, a külföldi nyelvű megfelelőiken) kívül a terminus valamennyi ragozott alakját is megadja azok gyakoriságával, az oktatási és tudományos szövegkorpuszból származó példákkal, kollokátumokkal és konkordanciával együtt. Ezek az adatok azért fontosak, mert a szótár használói átfogó képet alkothatnak egy adott terminus használatáról és kontextusáról; megtalálhatják a meghatározásban esetleg meg nem említett fontos terminológiai jellemzőket. Az online hozzáférhető oktatási és tudományos terminológiai ontológia feltárja, milyen szemantikai kapcsolatok állnak fenn az oktatási és tudományos terminusok között, 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. Várható, hogy mind az oktatási és tudományos terminusok szótára, mind pedig az ontológia módszertanilag fontos erőforrások lesznek, és arra ösztönzik a litván terminológusokat, hogy jobban kihasználják a korpuszok által kínált lehetőségeket a terminusok vizsgálatára, leírására és osztályozására. 7 3Terminologija | 2013 | 20 LITERATŪRA Baader F. 2003: Appendix: description logic terminology. – The description logic handbook: theory, implementation, and applications, Cambridge: Cambridge university press. Bielinskienė A., Boizou L., Kovalevskaitė J., Utka A. 2012: Towards the Automatic Extraction of Termdefining 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., Ramm A., Heid U., Morin E., Harastani R., Planas E. 2012: Terminology Extracion 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. Krugļevskis 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 7 4 Irena Markievicz, Erika Rimkutė | Oktatási és tudományos terminusok szótára | ir ontologija szükséges szótári mezők (terminusok, definíciók, más nyelvekre történő fordítások), valamint néhány további mező, például a terminusok ragozott alakjai gyakoriságukkal együtt, a terminushasználat példái, kollokációk és konkordanciák a speciális tudományos és oktatási korpuszból. A tanulmány fő fókusza a tudomány és az oktatás területén használt terminusok ontológiája. A szerzők bemutatják, hogyan definiálják az ontológiákat a különböző kutatási területek, milyen felhasználási lehetőségeik vannak, és melyek az ontológiaépítés módszerei. Az ontológia szerkezetét több példa szemlélteti. A fogalmak hierarchikus szerkezete, tulajdonságaik és kapcsolataik olvashatóvá és érthetővé teszik ezt az információt a tudásalapú információs rendszerek számára. Az ontológiák különösen hasznosak lehetnek a terminológusok számára, akik megpróbálják osztályozni és leírni a terminusokat, fogalmakat és azok instances in a domain specific field. Mindkét erőforrás értékes lehet oktatók, tanárok, adminisztratív vezető testületek, hallgatók stb. számára. Az ontológia használata során definiálhatják és konceptualizálhatják a tanulás, a tanítás vagy a tanulmányozás folyamatait. A tanulmány bemutatja a félig felügyelt terminuskivonás lehetőségeit vegyesen alkalmazott preskriptív és deskriptív terminuselemzési módszerekkel, amelyek hasznosak lehetnek terminológusok, lexikográfusok és lexikai adatbázisok készítői számára. Beérkezett 2013-10-29 Irena Markievicz Vytauto Didžiojo universitetas K. Donelaičio g. 52, LT-44248 Kaunas E-mail: [email protected] Erika Rimkutė Vytauto Didžiojo universitetas K. Donelaičio g. 52, LT-44248 Kaunas E-mail: [email protected]