Dictionnaire et ontologie des termes de l’éducation et des sciences

IRENA MARKIEVICZ, ERIKA RIMKUTĖ

Vytauto Didžiojo universitetas

MOTS-CLÉS: corpus, termes de l’éducation et des sciences, ontologie, dictionnaire

INTRODUCTION

De 2010 à 2012, le Centre de linguistique informatique de l’Université Vytautas Magnus a mené un projet financé par le Conseil lituanien de la recherche, Identification automatique des termes de l’éducation et des sciences (ŠIMTAI 2). L’objectif principal de ce projet était de mettre à l’épreuve les méthodes de linguistique de corpus afin de reconnaître les termes automatiquement ou semi-automatiquement, d’automatiser l’extraction, dans le corpus, des informations nécessaires à la formulation des définitions terminologiques et, ainsi, de faciliter le travail des terminologues. Outre les méthodologies, les principaux résultats de la recherche sont un corpus spécialisé de l’éducation et des sciences (ci-après ES), d’une taille de 4 millions de mots, le Dictionnaire des termes de l’éducation et des sciences élaboré à partir de ce corpus spécialisé, ainsi que l’Ontologie des termes de l’éducation et des sciences.

Cet article présente le dictionnaire des termes de l’ES et l’ontologie des termes de l’ES. Il décrit la structure du dictionnaire et ses différences par rapport à d’autres dictionnaires terminologiques. Une attention particulière est accordée à l’ontologie des termes de l’ES. Il explique comment les ontologies sont définies dans différentes disciplines, à quoi elles servent et selon quelles méthodes elles sont élaborées. L’ontologie des termes de l’ES est examinée en détail: sa structure est présentée, des exemples sont fournis et les possibilités d’application de cette ressource sont expliquées.

Les deux travaux — le dictionnaire des termes de l’ES comme l’ontologie des termes de l’ES — ont été élaborés à partir des mêmes matériaux, à savoir un corpus spécialisé de l’ES, en recourant aux méthodes de la linguistique de corpus et de la linguistique informatique.

Ce travail vise à présenter les possibilités offertes par la linguistique de corpus et la linguistique informatique dans le domaine de la terminologie, et à attirer l’attention des terminologues ainsi que des auteurs de dictionnaires terminologiques ou de bases de données sur le fait qu’il est possible d’automatiser, au moins en partie, la gestion terminologique et de concilier les approches prescriptive et descriptive de l’analyse des termes.

56

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

ÉTAPES DE L’ÉLABORATION DU LEXIQUE DES TERMES DE L’ÉDUCATION ET DES SCIENCES

Les termes du lexique de l’éducation et des sciences ont été établis à partir d’un corpus spécialisé, au moyen de méthodes linguistiques (voir plus en détail Grिगonytė et al. 2011; Rimkutė 2012). L’élaboration du lexique a duré deux ans, c’est-à-dire la période pendant laquelle le projet mentionné plus haut était en cours, et s’est déroulée selon les étapes suivantes:

1) constitution d’un corpus spécialisé de l’éducation et des sciences de 4 millions de mots;

2) annotation morphologique automatique du corpus;

3) création d’un outil de sélection automatique des termes fondé sur des règles linguistiques;

4) définition des critères de sélection des termes potentiels;

5) identification d’environ 11 000 termes potentiels, composés d’un à quinze mots;

6) application de critères supplémentaires de sélection des termes potentiels¹;

7) identification de 780 termes de l’éducation et des sciences (de 1 à 5 mots);

8) élaboration d’une méthodologie de définition des termes à partir de corpus;

9) préparation des ressources linguistiques nécessaires à l’établissement des définitions des termes;

10) définition des termes de 300 groupes sélectionnés;

11) présentation des équivalents anglais, allemand et français des termes définis.

Il ne fait aucun doute que l’élaboration de tout lexique terminologique exige beaucoup de temps de travail de spécialistes et de ressources financières. Le présent article présente le lexique des termes de l’éducation et des sciences: bien qu’il soit de taille modeste — il comprend 224 termes (voir plus en détail la section suivante) —, sa méthodologie est très complexe. Comme le montrent les étapes décrites de l’élaboration du lexique, même avec un corpus spécialisé du domaine concerné², des outils spécifiques³ étaient nécessaires pour reconnaître et identifier automatiquement les termes.

¹ L’analyse a porté sur les termes ne dépassant pas sept mots; la fréquence a également été prise en compte: plus un terme est court, plus il doit être employé fréquemment. Ainsi, seuls les termes d’un mot utilisés au moins 20 fois ont été analysés, tandis que les termes de sept mots devaient être employés au moins deux fois.

² La constitution du corpus est l’une des étapes les plus importantes et les plus longues de l’ensemble de l’étude, car, pour créer un corpus représentatif permettant d’identifier les termes, il a fallu sélectionner soigneusement les textes, en équilibrer les genres et les mettre en forme sur le plan technique (conversion de fichiers PDF en fichiers texte, modification de l’encodage, etc.).

³ Dans ce projet, un outil adapté au lituanien a été créé pour identifier automatiquement les termes, car, comme le montrent les expériences antérieures (voir Grigonytė et al. 2011), les différences structurelles entre les langues rendent presque impossible l’adaptation au lituanien d’outils de reconnaissance des termes conçus pour d’autres langues. Cet outil a recours à des règles linguistiques: il recherche des termes présentant certaines structures grammaticales, par exemple adjectif + nom, nom au génitif + nom, participe + nom, etc. Les chercheurs en letton identifient les termes à l’aide de méthodes similaires (voir Gornostay et al. 2012; Krugļevskis et al. 2005). Selon eux, l’identification des termes par des méthodes linguistiques (analyse morphosyntaxique) convient mieux que les méthodes statistiques adaptées aux langues analytiques.

Terminologija | 2013 | 20

57

Il a également été difficile de sélectionner les termes de l’éducation et des sciences parmi tous les groupes de mots pertinents et grammaticalement corrects identifiés automatiquement. La difficulté venait du fait que le corpus de 4 millions de mots avait permis d’identifier jusqu’à 11 000 « termes possibles ». À l’étape suivante de l’étude et de la constitution du dictionnaire, il était important d’isoler les termes de l’éducation et des sciences parmi tous ces groupes (ce problème est abordé dans Rimkutė 2012).

Il convient de noter que le dictionnaire des termes de l’éducation et des sciences présenté ici a été élaboré à partir d’un corpus. Cela signifie que l’on n’a pas utilisé la méthode prescriptive de traitement des termes, traditionnelle et encore répandue en Lituanie, fondée sur les compétences des terminologues et parfois assez subjective, mais la méthode descriptive d’analyse et de définition des termes, considérée comme supérieure en terminologie contemporaine et fondée sur les données de corpus. Les corpus sont indispensables à la constitution de dictionnaires, car ils permettent de dégager les modèles d’emploi des termes les plus typiques et les plus fréquents, utiles pour en définir le sens et choisir des exemples pertinents.

En raison de la complexité de la méthodologie de définition des termes, il a été décidé de définir en détail 300 termes. Des termes appartenant à certains groupes ont été sélectionnés: les termes contenant le mot académique (par exemple: liberté académique, éthique académique, heure académique), le mot travail (par exemple: mémoire de fin d’études, devoir à la maison, travail autonome), le mot formation (par exemple: formation universitaire, formation générale, enseignement supérieur), le mot éducation (par exemple: prestataire de services éducatifs, éducation des adultes, éducation non formelle), etc. Quelques termes fréquents composés d’un seul mot ont également été définis: étudiant, chercheur, université, etc.

Comme dans d’autres dictionnaires terminologiques, la plupart des termes du dictionnaire des termes de l’éducation et des sciences sont accompagnés de leurs équivalents en anglais, en allemand et en français. Ceux-ci ont été recueillis dans des sources et documents de référence du domaine, ainsi que dans des bases de données terminologiques spécialisées: Anglų kalbos švietimo terminų žodyno (Glossary of Educational Terms), Aiškinamojo su studijomis susijusių terminų žodyno, Der Europäische Qualifikationsrahmen für lebenslanges Lernen, EuroVoc (thésaurus multilingue de l’Union européenne), Lietuvos Respublikos terminų banko, etc.

La terminologie de l’éducation de la Grande-Bretagne, de la France et de l’Allemagne a été la principale source d’inspiration. Toutefois, dans le contexte des systèmes de ces pays, le sens de nombreux équivalents de traduction ne correspond pas exactement à celui des termes originaux employés dans le domaine de l’éducation et des sciences en Lituanie. Les équivalents en langues étrangères proposés dans le dictionnaire s’appliquent au système d’éducation et de sciences de la République de Lituanie et ne peuvent pas toujours (ou ne peuvent que partiellement) servir à décrire le système d’éducation et de sciences d’un autre pays.

58

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

STRUCTURE DU DICTIONNAIRE DES TERMES DE L’ÉDUCATION ET DES SCIENCES

Le dictionnaire des termes de l’éducation et des sciences est librement accessible en ligne à l’adresse http://daukantas.vdu.lt/moksliniai-terminai/. Il contient 224 termes, alors que la section précédente indiquait que 300 termes avaient été définis. L’écart entre le nombre de termes définis et celui des termes présentés dans le dictionnaire s’explique par le fait que certains termes (par exemple: niveau / degré de qualification; diplôme scientifique / universitaire; production scientifique; études de master / de maîtrise; charge d’apprentissage / de travail de l’étudiant; institut scientifique d’État / national) se sont révélés être des synonymes et présenter une structure similaire; ils ont donc été regroupés.

Le dictionnaire des termes de l’éducation et des sciences comprend les éléments indispensables à tout dictionnaire terminologique, à savoir le terme lui-même et sa définition. Comme indiqué, les équivalents en anglais, en allemand et en français sont également précisés. Les domaines thématiques (par exemple, gestion de l’enseignement supérieur, politique de l’enseignement supérieur, administration de l’enseignement supérieur) et les abréviations de certains termes sont aussi indiqués.

Le dictionnaire se distingue des autres dictionnaires terminologiques et bases de données en indiquant également toutes les formes fléchies des termes, avec leur fréquence, ainsi que la fréquence totale du terme dans le corpus de l’éducation et des sciences. Pour chaque terme, on trouve au moins deux exemples d’emploi tirés du corpus de l’éducation et des sciences (les exemples n’ont pas été révisés ni modifiés, mais parfois abrégés), les collocatifs de gauche et de droite⁴, ainsi que le concordancier⁵.

Les informations du corpus n’ont pas suffi à définir tous les termes. Les termes pour lesquels les informations disponibles étaient insuffisantes pour formuler une définition (par exemple: prestataire de formation, compte individuel de formation de l’étudiant, formation de base) sont marqués d’un astérisque.

Comme les termes ont été extraits d’un corpus, leur fréquence d’emploi était connue; une fréquence conventionnelle indiquant leur fréquence relative par rapport aux autres termes est donc précisée pour chacun d’eux:

★★★ est indiqué pour les termes les plus fréquents, employés jusqu’à 500 fois dans le corpus de l’éducation et des sciences;

★★☆ est indiqué pour les termes moins fréquents, employés de 100 à 499 fois dans le corpus;

⁴ Ce sont les partenaires contextuels du terme analysé, déterminés statistiquement (selon leur fréquence) et apparaissant souvent à proximité du terme, à sa gauche et à sa droite.

⁵ Il s’agit de toutes les occurrences des formes grammaticales du terme sélectionné dans le corpus, présentées dans le contexte d’une ligne (une ligne de concordance comprend le plus souvent plus d’une phrase). Le concordancier s’analyse généralement en commençant par le lire verticalement, car c’est ainsi seulement que l’emploi typique du terme apparaît. Le terme analysé figure au milieu de la ligne de concordance et est mis en gras. Environ 50 caractères de l’extrait du concordancier sont indiqués à gauche et à droite du terme analysé. Pour afficher un extrait plus long du concordancier (environ 150 caractères à gauche et à droite), cliquez sur le signe plus situé à la fin de la ligne de concordance.

Terminologija | 2013 | 20

59

★☆☆ indique les termes employés de 10 à 99 fois dans le corpus;

☆☆☆ indique les termes rares, employés moins de 10 fois dans le corpus.

À titre d’illustration du dictionnaire des termes de l’éducation et de la science, l’article consacré au terme études de licence est présenté ci-dessous.

ÉTUDES DE LICENCE ★☆☆

Définition

Études du premier cycle de l’enseignement supérieur, qui dispensent une formation universitaire générale, les bases des connaissances dans le domaine d’études choisi ainsi qu’un diplôme de licence.

Exemples

Dans les universités américaines, il est courant que les étudiants les plus doués puissent combiner les études de master et de doctorat, ou, plus précisément, s’inscrire directement en doctorat après la licence (ce qui explique dans une certaine mesure pourquoi les études de master et de doctorat sont regroupées sous un seul terme, graduate studies, dispensées dans ce que l’on appelle une graduate school) et obtenir un doctorat (PhD) après huit années d’études universitaires.

Durée recommandée, études de licence comprises: 5 ans

Les études de licence (premier cycle) durent généralement 4 ans (160 crédits, à temps plein).

Les études de licence, de master et de doctorat s’achèvent respectivement par la soutenance d’un mémoire de licence, d’un mémoire de master et d’une thèse.

Les études de licence sont des études de premier cycle qui dispensent une formation universitaire générale et les bases des connaissances dans le domaine d’études choisi.

Fréquence

études de licence 21

études de licence 6

études de licence 3

études de licence 7

études de licence 14

Fréquence totale: 51

Équivalents

Anglais: bachelor’s studies

Allemand: Bachelorstudium

Français: études de licence

Domaine disciplinaire

administration de l’enseignement supérieur

60

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Cooccurrents

Cooccurrents gauches

Cooccurrents droits

PO

des études de premier cycle

SU

par des études de premier cycle

ABRÉGER

les études de premier cycle

LOGICIEL

pour les études de premier cycle

études de premier cycle

PREMIER CYCLE

études de premier cycle

MASTER ET DOCTORAT

Concordance⁶

[1]

exercer une activité professionnelle ou poursuivre et achever

des études de licence.

Les représentants de l’établissement d’enseignement supérieur ont diffusé un communiqué,

[2]

dans les pays proposant de telles études de licence.

Études de licence

au semestre d’automne de la 4e année, tandis que les études de master

[3]

le programme d’études de théologie dure 5 ans); vers

des études de licence

1 870 étudiants ont été admis, et en 2009, les universités

[4]

les universités ont décidé de raccourcir à 3 et 3,5 ans

les études de licence,

informe que la loi sur la science et les études

[5]

les universités ont décidé de raccourcir à 3 et 3,5 ans

les études de licence.

Aux États-Unis, les titulaires d’un bachelor, souhaitant commencer des études de master

[6]

les exigences des commissions: il faut avoir terminé

des études de premier cycle,

si l’on postule à un programme axé sur la recherche,

[7]

ans. Les universités ont décidé de ramener à 3 ans

les études de premier cycle.

Plusieurs universités ont décidé de ramener à 3 et 3,5 ans

[8]

crédits (4,5 ans) d’études de premier cycle.

les études de premier cycle,

d’une durée de 4 ans (études de théologie catholique

[9]

études ne délivrant pas de diplôme. La période recommandée, avec

les études de premier cycle

– 5 ans (3 + 2; 3,5 + 1,5; 4 + 1). Premier cycle

[10]

Invité à comparer ces études avec ses propres

études de premier cycle

aux États-Unis, l’étranger a remarqué qu’ici, c’était beaucoup plus facile.

⁶ Ici ne figurent que les dix premières lignes du concordancier. En cliquant sur le signe plus sur le site Web, on affiche un concordancier plus long.

Terminologija | 2013 | 20

61

Pour certains termes, plusieurs milliers de lignes de concordance sont fournies. Examiner une telle quantité d’informations prend beaucoup de temps, et ces données ne sont pas importantes pour tout le monde. Pour ceux qui souhaitent en savoir davantage sur l’usage d’un terme, le contexte dans lequel le terme choisi est employé, éventuellement formuler une autre définition, sélectionner les exemples nécessaires ou se faire une opinion objective, la concordance est très utile.

CONCEPTIONS DES ONTOLOGIES ET RAISONS DE LEUR CRÉATION

Ce chapitre et les suivants portent sur l’ontologie des termes de l’éducation et des sciences, ses principes de constitution et les possibilités d’utilisation de cette ontologie et d’autres ontologies. Pour plus de clarté, plusieurs classifications et résultats visualisés de l’ontologie des termes de l’éducation et des sciences sont présentés.

Les ontologies sont des moyens formels de conceptualisation des connaissances, qui synthétisent les connaissances décrites en langage naturel sous la forme d’un modèle structuré et hiérarchique de concepts liés entre eux. Les problèmes liés à la qualité du traitement de l’information et à la polysémie des termes font naître le besoin de créer des bases terminologiques structurées, grâce auxquelles des programmes informatiques pourraient traiter le langage naturel humain (angl. natural language processing) et en interpréter la sémantique. C’est pour cette raison que des ontologies sont créées.

Une personne qui maîtrise une langue donnée comprend facilement le sens d’un texte en langage naturel qui lui est présenté, tandis qu’un programme informatique interprète la même information comme un ensemble de symboles textuels et de métadonnées qui leur sont associées. Les ontologies constituent le maillon de liaison qui transforme l’information rédigée en langage naturel en un modèle conceptuel de connaissances, facilement interprétable par les robots de collecte et de traitement de l’information.

La création d’ontologies est un processus interdisciplinaire qui englobe les domaines de la philosophie, de la linguistique et de l’informatique (voir plus en détail Grigonytė 2010). En philosophie, l’ontologie est comprise comme une discipline qui étudie l’être et l’existence. Les linguistes complètent cette définition de l’ontologie: en linguistique, une ontologie est un réseau de concepts distincts et des termes qui les décrivent. En informatique, une ontologie est une représentation logique et formelle de la réalité.

La source la plus vaste et la plus facilement accessible de textes en langage naturel est Internet; c’est pourquoi les ontologies sont souvent considérées comme l’un des outils du Web sémantique et de la recherche sémantique. L’organisation W3C, qui élabore les normes des sites Web, définit une ontologie comme un ensemble de termes décrivant les connaissances propres à un domaine: « les ontologies sont utilisées par des personnes, des bases de données et des applications qui cherchent à partager des informations sur un domaine donné

62 Irena Markievicz, Erika Rimkutė | Švietimo ir mokslo terminų žodynas ir ontologija

information <...>. Les ontologies relient les concepts propres à un domaine, adaptés aux programmes informatiques, ainsi que les relations qui les unissent » (W3C).

L’ontologie des termes de l’éducation et des sciences (ci-après, l’ontologie des termes de l’éducation et des sciences) a été élaborée afin de formaliser l’ensemble des termes de l’éducation et des sciences créé dans le cadre du projet introductif mentionné précédemment, et de l’enrichir de relations sémantiques que les applications peuvent interpréter. Les principales tâches liées à la création de l’ontologie consistent à décrire de manière qualitative les termes et les concepts du domaine choisi et à spécifier formellement leur signification. Ces tâches sont importantes pour résoudre le problème de la polysémie des termes et élaborer un modèle terminologique structurel du domaine de l’éducation et des sciences. L’ontologie des termes de l’éducation et des sciences a été créée non seulement comme une taxonomie de ces termes, mais aussi comme l’une des ressources possibles pour la recherche sémantique.

L’ontologie des termes de l’éducation et des sciences est accessible sur Internet à l’adresse http://meta.vdu.lt/webprotege/,; elle est visualisée au moyen de l’outil WebProtege, qui permet d’examiner l’arborescence des classes hiérarchiques, leurs attributs et des exemples d’instances de concepts. En ouvrant ou en masquant de nouveaux onglets et panneaux, l’utilisateur peut organiser une interface graphique adaptée à ses besoins. Il est recommandé d’utiliser les navigateurs Chrome ou Mozilla Firefox. Pour mieux visualiser les relations entre les termes, il est recommandé d’utiliser Protege 4.3 avec le module complémentaire OntoGraf.

CHOIX DE LA MÉTHODOLOGIE DE CRÉATION D’UNE ONTOLOGIE DES TERMES DE L’ÉDUCATION ET DES SCIENCES

La conception générale de la création d’ontologies est décrite par le métamodèle de processus suivant (voir Cimiano 2006 pour plus de détails): M={D, LA, T, S, C, TR}, où D désigne la collecte de documents, LA les étiquettes linguistiques, T la sélection des termes, S l’identification des synonymes, C l’association des termes et de leurs synonymes en concepts, et TR la définition des relations sémantiques entre les concepts.

Les différentes méthodologies de création d’ontologies reposent sur diverses stratégies: certaines accordent davantage d’importance au cycle de vie de l’ontologie et à la création de prototypes (Cyc, TOVE, Methontology, On-To-Knowledge), tandis que d’autres mettent davantage l’accent sur l’utilisation des ontologies dans les applications. Certaines méthodes élaborent les ontologies à partir de corpus de textes constitués (TOVE, On-To-Knowledge), tandis que d’autres les créent à partir de grandes ontologies de connaissances générales (SENSUS, Cyc) (voir Corcho et al. 2003 pour plus de détails).

Les ontologies sont généralement créées selon les étapes suivantes: le domaine de connaissances est choisi, les informations sont traitées (les concepts, les termes et les contraintes sont définis),

Terminologija | 2013 | 20 63

les méthodes d’extension de l’ontologie et les critères d’évaluation sont indiqués, puis la documentation de l’ontologie est préparée (voir Uschold et al. 1996 pour plus de détails). Cette méthode de construction d’ontologies ne prévoit ni la création de prototypes d’ontologie ni l’utilisation des ontologies comme sources d’information supplémentaires. Cette méthodologie a permis de créer plusieurs ontologies du domaine des activités économiques, mais ne prévoit pas leur utilisation dans des applications.

Le projet On-To-Knowledge a proposé une méthodologie qui met principalement l’accent sur la gestion des connaissances et sur les possibilités d’utilisation de la future ontologie dans les systèmes d’information (voir Staab et al. 2001 pour plus de détails). Une étude de faisabilité a permis de définir les sources d’information, les utilisateurs potentiels de l’ontologie et ses modalités d’utilisation.

Des experts du domaine choisi ont participé à l’amélioration de l’ontologie On-To-Knowledge; les informations recueillies dans des textes et d’autres bases de connaissances ont été traitées. La qualité de l’ontologie a été évaluée en vérifiant sa conformité aux exigences et son applicabilité. Toutes ces étapes de création et d’amélioration d’une ontologie peuvent servir de recommandations pour la création d’autres ontologies.

Les méthodologies présentées mettent principalement l’accent sur les méthodes de création d’ontologies à partir de sources d’information textuelles. La méthodologie d’ontologie SENSUS propose d’utiliser des ontologies de connaissances générales dans le processus de création d’une ontologie spécialisée (voir Gomez-Perez et al. 2004 pour plus de détails). Elle prévoit de regrouper les termes de la base de connaissances OntoSaurus en un arbre de concepts. Pour relier deux classes de concepts, on recherche une classe de concept générique (angl. root class).

Le choix de la méthodologie de création de l’ontologie des termes de l’éducation et des sciences a tenu compte des ressources informationnelles disponibles ainsi que des possibilités d’application des technologies linguistiques et des outils de création d’ontologies. Il a été décidé de tirer parti de l’expérience acquise dans le projet Methontology (voir Mariano et al. 2004; Gomez-Perez et al. 2004; Corcho et al. 2003 pour plus de détails).

L’adaptation de Methontology à la création de l’ontologie des termes de l’éducation et des sciences, ainsi que les ressources nécessaires à sa création, sont présentées dans la figure 1. La spécification indique l’objectif et le périmètre de l’ontologie. Le modèle conceptuel de l’ontologie est élaboré en fonction du domaine délimité lors de la spécification, puis formalisé, c’est-à-dire transformé en un modèle formel d’ontologie. Au cours du processus de création, le modèle formel est mis en œuvre conformément aux exigences du langage de création d’ontologies choisi. Même une ontologie achevée est souvent modifiée, étendue ou mise à jour.

64

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 1. Processus et ressources de création de l’ontologie des termes de l’éducation et des sciences (d’après Methontology)

Après application du modèle Methontology, un glossaire des termes et une taxonomie des concepts ont été créés, les relations entre les différents objets de l’ontologie ont été établies, et une base d’exemples d’attributs, de classes, de classes abstraites, ainsi que de leurs attributs et relations, a été élaborée. Cette base précise dans quels cas le concept choisi existe, avec quels autres concepts il est lié, et décrit également les instances des concepts.

Les ontologies décrivent différents éléments relevant d’un même domaine spécifique: des personnes (par exemple, recteur, étudiant), des lieux (par exemple, université), des processus (par exemple, enseignement, cours), des résultats de processus (par exemple, œuvre d’art, mémoire de licence), etc. Dans l’ontologie, tous sont désignés comme des concepts (en anglais, concept), qui peuvent exister en tant qu’unités d’information autonomes de l’ontologie ou être regroupés en classes de concepts (en anglais, class).

La taxonomie des concepts (en anglais, concepts taxonomy) — classification systématique des concepts selon le modèle conceptuel choisi pour l’ontologie — est généralement élaborée à partir d’un glossaire des termes (en anglais, glossary of terms), entendu ici comme une liste formelle de termes et de leurs définitions (voir plus en détail Uschold et al. 2004).

Dans la taxonomie classique, une classe est définie comme « un groupe d’instances similaires, distinct des autres groupes d’individus » (voir plus en détail Mayr 1987). Chaque classe d’ontologie est caractérisée par un ensemble de propriétés (en anglais, property) qui lui sont propres, ainsi que par leurs restrictions (en anglais, restriction), ensemble hérité par toutes les instances (en anglais, instance, individual) d’une classe donnée. Une instance est un exemplaire concret du concept choisi (par exemple, Zigmas Lydeka est une instance du concept recteur).

Terminologija | 2013 | 20 65

Les termes de l’ontologie des termes de l’éducation et des sciences ont été déterminés dans un corpus spécialisé à l’aide de méthodes linguistiques (voir plus en détail Grigonytė et al. 2011; Rimkutė 2012). Les concepts et les classes de concepts de l’ontologie ont été élaborés selon une stratégie mixte, de bas en haut (en anglais, down-top strategy) et de haut en bas (en anglais, top-down strategy) (voir plus en détail Uschold et al. 1996). Avec la stratégie de bas en haut, les concepts les plus spécifiques sont d’abord identifiés, puis remplacés par des concepts plus abstraits. Avec la stratégie de haut en bas, les concepts abstraits sont d’abord définis, puis précisés. Dans une stratégie mixte de construction d’ontologies, les concepts initiaux sont d’abord examinés et, selon les besoins, soit précisés, soit généralisés.

À cette étape de l’élaboration de la taxonomie des termes de l’ontologie, un expert du domaine de l’éducation et des sciences a participé activement. Il a regroupé les termes par domaines et créé le modèle conceptuel initial de l’ontologie.

Lors de l’élaboration de la taxonomie des concepts, il est recommandé d’accorder une attention particulière aux étapes suivantes: établir une liste de termes et en sélectionner ceux qui sont nécessaires, créer un modèle des concepts, rédiger des définitions et évaluer les termes (ISO 10241: 1992).

STRUCTURE DE L’ONTOLOGIE DES TERMES DE L’ÉDUCATION ET DE LA SCIENCE

L’un des défis du processus de création des ontologies consiste à élaborer une structure de données de qualité, universelle et adaptable à différents systèmes de traitement de l’information, ainsi que compatible avec d’autres sources de connaissances. L’élément principal d’une ontologie est une chose (en anglais, thing), qui abstrait toutes les notions de l’ontologie. La nécessité de cet élément s’explique par la définition philosophique de l’ontologie comme science qui étudie l’être. Une ontologie formalise toutes les connaissances d’un domaine donné; un élément indispensable est donc une classe abstraite qui généralise toutes les notions d’un domaine spécialisé.

Les notions, les termes et les axiomes sont les principaux éléments conceptuels de toute ontologie. Il importe de distinguer les sens de terme et de notion. Dans la norme LST ISO 1087-1 (2005), une notion est définie comme « [une] unité de connaissance constituée d’une combinaison unique de caractéristiques ». Une notion ne dépend pas de la langue; seul le contexte peut l’influencer. Le terme est l’identifiant d’une notion, c’est-à-dire « [un] désignateur verbal d’une notion générale dans un domaine spécialisé » (LST ISO 1087-1: 2005). Les axiomes décrivent les contraintes propres à un domaine et permettent de créer la structure hiérarchique des notions de l’ontologie. Les objets structurels formels de l’ontologie comprennent les notions, les classes de notions, les instances de classes et de notions, les propriétés des classes, des notions et des instances, ainsi que les relations et les contraintes qui relient tous les objets de l’ontologie.

66

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 2. Structure de l’ontologie des termes de l’éducation et de la science, selon les domaines du modèle des activités opérationnelles

Sur recommandation de l’expert, tous les termes ont été regroupés en trois classes abstraites — entrée, processus et sortie (voir fig. 2) — caractéristiques des modèles d’activités opérationnelles (voir plus en détail ISO 9001: 2000). La classe Entrée spécifie les exigences, les ressources et les données du système ou d’une activité donnée. C’est pourquoi les groupes de termes infrastructure, institution et participant sont rattachés à cette catégorie. Les processus opérationnels se répartissent en processus essentiels (classe activité), qui créent de la valeur ajoutée, et en processus de soutien (classe administration), qui renforcent les processus principaux et fournissent l’infrastructure nécessaire à leur mise en œuvre. La Sortie synthétise l’efficacité et la performance du processus: elle indique quels résultats pouvaient être obtenus, lesquels l’ont été et quelles ressources ont été utilisées à cette fin (classes production scientifique, production de la formation professionnelle, production des études et production artistique). Chaque classe abstraite d’un domaine peut comporter des sous-classes supplémentaires propres à ce domaine (comme le montre la figure 3, la sous-classe de la classe participant est administrateur, elle-même subdivisée plus finement). L’ontologie des termes de l’éducation et de la science compte au total 29 classes abstraites. Leur fonction principale est de construire le modèle conceptuel général de l’ontologie selon la stratégie « du haut vers le bas » déjà mentionnée.

Terminologija | 2013 | 20

67

Fig. 3. Participant concepts généraux de la classe et sous-classes abstraites dans l’ontologie des termes de l’éducation et des sciences

L’ontologie des termes de l’éducation et de la science comprend 465 notions générales⁷, dont la hiérarchie a été élaborée à l’aide de patrons d’identification de contextes définitoires (voir plus en détail Bielinskienė et al. 2012). Les contextes définitoires correspondent en partie ou en totalité aux définitions des termes et sont constitués de notions hyperonymiques. Par exemple, la notion étudiant est définie comme une personne qui suit un programme d’études de premier cycle dans un établissement d’enseignement supérieur. Un étudiant étranger est un étudiant qui vient d’un autre pays pour suivre, dans un établissement d’enseignement supérieur d’un pays donné, un programme d’études de premier cycle complet ou des études partielles.

L’ontologie des termes scientifiques recense les relations taxonomiques suivantes:

– sous-classe de classe (en anglais, subclass-of) – par exemple, un étudiant de master est une sous-classe de la classe étudiant;

– décomposition disjointe (en anglais, disjoint-decomposition) – par exemple, une production des études ne peut pas être à la fois un mémoire de licence et une thèse de doctorat;

– décomposition exhaustive (en anglais, exhaustive-decomposition) – par exemple, la classe enseignant comprend les sous-classes maître de conférences, chargé de cours, professeur, etc. Si un objet donné est un enseignant, il doit appartenir à au moins l’une des sous-classes énumérées;

– partition (en anglais, partition) – par exemple, la notion semestre d’études comprend les notions semestre de printemps et semestre d’automne. Lorsqu’il s’agit d’un semestre d’études, celui-ci doit appartenir à l’une des sous-classes énumérées.

⁷ L’ontologie présente également les termes qui ne figurent pas dans le glossaire des termes de l’éducation et de la science, c’est-à-dire ceux qui n’ont pas été définis de manière exhaustive.

68

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 4 Hiérarchie taxonomique du concept étudiant dans l’ontologie des termes de l’éducation et des sciences

Étant donné que le principal critère de qualité d’une ontologie est l’absence d’ambiguïté des termes, une grande attention a été accordée, lors de la création de l’ontologie des termes de l’éducation et des sciences, à la constitution d’un ensemble de propriétés des concepts de qualité. Les patrons de reconnaissance des contextes descriptifs conviennent pour déterminer l’ensemble des propriétés des classes, des concepts et des entités (voir plus en détail Bielinskienė et al. 2012). Les contextes descriptifs précisent la nature du concept analysé et ses relations avec les autres composantes du système.

Fig. 5 Possibilités d’application de l’attribut actif dans l’ontologie des termes de l’éducation et des sciences⁸

La même propriété peut servir à décrire plusieurs concepts différents. Par exemple, la propriété actif caractérise quatre concepts: travail pratique, formation pratique, séance pratique, travaux dirigés (voir fig. 5). Il importe donc de souligner que seul un agencement unique de propriétés permet de caractériser correctement un concept.

⁸ En utilisant l’outil de création et de visualisation d’ontologies Protege 4.3, il n’était pas possible d’utiliser le lituanien; les éléments structurels de l’ontologie (p. ex. ObjectProperty, Domain) sont donc présentés en anglais.

Terminologija | 2013 | 20

69

Fig. 6 Ensemble des propriétés du concept d’heure académique et de leurs restrictions dans l’ontologie des termes de l’éducation et des sciences

Chaque propriété peut être assortie de restrictions ou de relations avec d’autres concepts ou classes de concepts. Par exemple, l’heure académique est définie comme une unité de durée du travail en présentiel des enseignants et des étudiants, équivalant à 45 minutes. La définition formelle et ontologique de ce concept énonce l’ensemble de propriétés suivant: l’heure académique est une sous-classe du processus; les participants sont les étudiants et l’enseignant; il s’agit d’un processus en présentiel ayant une durée, définie par la constante de 45 minutes (voir fig. 6).

Les propriétés des classes et des concepts, leurs restrictions et leurs relations avec d’autres propriétés sont héritées par les entités — des instances de classes et de concepts particuliers, caractérisées par

Fig. 7 Arbre des relations entre les concepts et les entités de l’ontologie des termes de l’éducation et des sciences

70

Irena Markievicz, Erika Rimkutė | Švietimo ir mokslo terminų žodynas ir ontologija

ayant les mêmes propriétés. Par exemple, si l’ontologie indique que rektorius dirige universitetui, alors l’individu de ces concepts – Zigmas Lydeka – dirige l’UVT, c’est-à-dire l’individu du concept universitetas (voir fig. 7).

L’ontologie des termes de l’éducation et des sciences a été créée en langage OWL à l’aide de l’outil de création d’ontologies Protege 4.3, puis visualisée au moyen de l’outil WebProtege ou du module complémentaire OntoGraf⁹.

ÉVALUATION ET APPLICATION DE L’ONTOLOGIE DES TERMES DE L’ÉDUCATION ET DES SCIENCES

L’ontologie actuelle des termes de l’éducation et des sciences comprend 29 classes de concepts abstraits et 465 concepts généraux, 87 propriétés de concepts, de classes de concepts et de leurs individus, 141 individus et 296 relations entre les classes de concepts, les concepts et les individus de l’ontologie.

La complexité de l’ontologie peut être évaluée formellement au moyen des métriques de la logique descriptive (en anglais description logic) (voir plus en détail Corcho et al. 2003; Baader 2003). L’ontologie des termes de l’éducation et des sciences a été évaluée au niveau de complexité ALCHON(D), où:

– AL – langage d’attributs; il permet de relier des concepts et de leur appliquer des restrictions universelles;

– C – indique qu’il est possible de nier les relations entre concepts;

– H – indique qu’il est possible de créer une hiérarchie de rôles;

– O – restrictions de cardinalité (relations: exactement un, un parmi plusieurs);

– N – restrictions de cardinalité (relations: moins, plus);

– (D) – propriétés des types de données.

Outre le vocabulaire, la taxonomie et les relations sémantiques de l’ontologie, ses possibilités d’utilisation et d’application sont également évaluées. Le langage choisi pour créer les ontologies OWL convient à la production d’inférences sémantiques, à l’enrichissement de l’ontologie par de nouveaux concepts ou à la mise en relation d’ontologies de différents domaines. Le modèle structurel des termes du domaine de l’éducation et des sciences a été élaboré de sorte que chaque concept de l’ontologie soit décrit par un ensemble unique de propriétés et de relations sémantiques; cette solution contribue à résoudre le problème de la polysémie des termes. Cette ressource a été créée non seulement comme taxonomie des termes du domaine de l’éducation et des sciences, mais aussi comme l’un des outils possibles de recherche sémantique et de traitement du langage naturel.

⁹ Plus d’informations: http://protege.stanford.edu.

Terminologija | 2013 | 20

71

Jusqu’à présent, une grande attention a été accordée à la manière dont les ontologies peuvent être appliquées à l’informatisation du langage naturel, à sa systématisation et à sa mise à la portée des programmes informatiques. À première vue, il n’est peut-être pas tout à fait évident de voir en quoi les ontologies peuvent être utiles aux linguistes ou aux spécialistes d’autres domaines. Il convient de souligner que les ontologies sont particulièrement utiles aux terminologues, car les outils de visualisation des ontologies permettent de voir clairement les relations entre les termes. Pour illustrer les termes, on peut choisir des mots concrets qui leur sont associés dans l’ontologie (appelés esiniais dans l’ontologie).

Le glossaire des termes de l’éducation et des sciences, tout comme l’ontologie, peut aider les acteurs de ce domaine: enseignants du supérieur, enseignants, membres du personnel administratif, étudiants et élèves, car ces ressources montrent, par exemple, comment les étudiants sont classés, quels types d’études existent, de quoi se compose l’administration des établissements d’enseignement supérieur, etc.

REMARQUES GÉNÉRALES

L’article présente le Glossaire des termes de l’éducation et des sciences et l’Ontologie des termes de l’éducation et des sciences. Le glossaire comme l’ontologie ont été perfectionnés. Le principal avantage et caractère distinctif de ces deux ressources tient au fait qu’elles ont été élaborées selon des principes de linguistique de corpus et de linguistique informatique encore peu appliqués par les terminologues lituaniens.

Le glossaire des termes de l’éducation et des sciences est accessible en ligne et comprend 224 termes composés d’un à cinq mots. Il se distingue des autres glossaires terminologiques en ce qu’il présente, outre les parties habituelles d’un glossaire (les termes eux-mêmes, leurs définitions et leurs équivalents en langues étrangères), toutes les formes flexionnelles de chaque terme avec leur fréquence, des exemples tirés du corpus de textes de l’éducation et des sciences, des collocatifs et des concordances. Ces données sont importantes parce qu’elles permettent aux utilisateurs du glossaire de se faire une idée détaillée de l’usage et du contexte d’un terme donné, ainsi que de repérer des caractéristiques importantes qui ne sont peut-être pas mentionnées dans la définition.

L’ontologie des termes de l’éducation et des sciences, accessible en ligne, révèle les relations sémantiques qui relient ces termes et rend ces informations intelligibles pour les programmes informatiques. Les ontologies peuvent être particulièrement utiles aux terminologues qui classent et décrivent les termes d’un domaine donné et en fournissent des exemples concrets.

On espère que le glossaire des termes de l’éducation et des sciences et l’ontologie constitueront des ressources méthodologiquement importantes et inciteront les terminologues lituaniens à mieux exploiter les possibilités offertes par les corpus pour étudier, décrire et classer les termes.

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