Dizionario e ontologia dei termini dell’istruzione e della scienza

IRENA MARKIEVICZ, ERIKA RIMKUTĖ

Vytauto Didžiojo universitetas

PAROLE CHIAVE: corpus, termini dell’istruzione e della scienza, ontologia, dizionario

INTRODUZIONE

Nel 2010–2012, presso il Centro di linguistica computazionale dell’Università Vytautas Magnus, è stato realizzato il progetto, finanziato dal Consiglio lituano per la ricerca, Švietimo ir mokslo terminų automatinis identifikavimas (ŠIMTAI 2). L’obiettivo principale del progetto era sperimentare i metodi della linguistica dei corpora per individuare i termini automaticamente o semiautomaticamente, automatizzare la selezione nel corpus delle informazioni necessarie per formulare le definizioni dei termini e, in tal modo, agevolare il lavoro dei terminologi. I risultati più importanti della ricerca, oltre alle metodologie, sono un corpus specialistico dell’istruzione e della scienza (di seguito IS), di 4 milioni di parole, il Švietimo ir mokslo terminų žodynas, elaborato sulla base di questo corpus specialistico, e l’Švietimo ir mokslo terminų ontologija.

L’articolo presenta il dizionario dei termini dell’IS e l’ontologia dei termini dell’IS. Descrive la struttura del dizionario e le sue differenze rispetto ad altri dizionari terminologici. Dedica maggiore attenzione all’ontologia dei termini dell’IS. Spiega come le ontologie vengono definite nei diversi ambiti scientifici, a cosa servono e con quali metodi vengono create. L’ontologia dei termini dell’IS è discussa in dettaglio: ne viene presentata la struttura, se ne forniscono esempi e si spiega come questa risorsa possa essere utilizzata.

Entrambi i lavori — sia il dizionario dei termini dell’IS sia l’ontologia dei termini dell’IS — sono stati elaborati sulla base dello stesso materiale, ovvero un corpus specializzato dell’IS, utilizzando la metodologia della linguistica dei corpora e della linguistica computazionale.

Questo lavoro intende presentare le possibilità offerte dalla linguistica dei corpora e dalla linguistica computazionale nel campo della terminologia e richiamare l’attenzione dei terminologi e dei compilatori di dizionari terminologici o banche dati sulla possibilità di automatizzare almeno in parte la gestione dei termini e di conciliare un approccio prescrittivo e uno descrittivo all’analisi terminologica.

56

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

FASI DI COMPILAZIONE DEL DIZIONARIO DEI TERMINI DELL’ISTRUZIONE E DELLA SCIENZA

I termini del dizionario dei termini dell’istruzione e della scienza (ŠM) sono stati individuati in un corpus specializzato mediante metodi linguistici (per maggiori dettagli, cfr. Grigonytė et al. 2011; Rimkutė 2012). La compilazione del dizionario è durata due anni, ossia per tutto il periodo di svolgimento del progetto introdotto sopra, e si è articolata nelle seguenti fasi:

1) è stato compilato un corpus specializzato di ŠM composto da 4 milioni di parole;

2) il corpus è stato annotato morfologicamente in modo automatico;

3) è stato creato uno strumento basato su regole linguistiche per l’estrazione automatica dei termini;

4) sono stati definiti i criteri per la selezione dei possibili termini;

5) sono stati individuati circa 11.000 possibili termini, composti da una a quindici parole;

6) sono stati applicati ulteriori criteri per la selezione dei possibili termini¹;

7) sono stati individuati 780 termini di ŠM (da 1 a 5 parole);

8) è stata elaborata una metodologia per la definizione dei termini basata sui corpora;

9) sono state preparate le risorse linguistiche necessarie per stabilire le definizioni dei termini;

10) sono stati definiti i termini di 300 gruppi selezionati;

11) sono stati forniti gli equivalenti dei termini definiti in inglese, tedesco e francese.

È indubbio che la compilazione di qualsiasi dizionario terminologico richieda molto tempo di lavoro da parte degli specialisti e risorse finanziarie. Il presente articolo illustra il dizionario dei termini di ŠM che, sebbene contenuto — include 224 termini (per maggiori dettagli, cfr. la sezione successiva) — è metodologicamente molto complesso. Come emerge dalle fasi descritte per la compilazione del dizionario, anche disponendo di un corpus specializzato del settore pertinente², sono stati necessari strumenti specifici³ per riconoscere e individuare automaticamente i termini.

¹ Sono stati analizzati termini composti da non più di sette parole; si è tenuto conto anche della frequenza: quanto più breve è il termine, tanto più frequentemente deve essere usato. Per esempio, sono stati analizzati soltanto i termini costituiti da una sola parola che ricorrevano almeno 20 volte, mentre i termini di sette parole dovevano ricorrere almeno due volte.

² La compilazione del corpus è una delle fasi più importanti e lunghe dell’intera ricerca, poiché, per creare un corpus rappresentativo in cui fosse possibile individuare i termini, era necessario selezionare attentamente i testi, bilanciarli per genere e prepararli tecnicamente (convertirli da file PDF a file di testo, modificare la codifica ecc.).

³ In questo progetto è stato sviluppato uno strumento adattato alla lingua lituana per individuare automaticamente i termini, poiché, come mostrano gli esperimenti precedenti (cfr. Grigonytė et al. 2011), a causa delle differenze strutturali tra le lingue è quasi impossibile adattare al lituano gli strumenti di riconoscimento dei termini progettati per altre lingue. In questo strumento sono state utilizzate regole linguistiche: sono stati cercati termini con determinate strutture grammaticali, ad esempio aggettivo + sostantivo, genitivo del sostantivo + sostantivo, participio + sostantivo, ecc. Metodi analoghi sono impiegati dai ricercatori della lingua lettone per individuare i termini (cfr. Gornostay et al. 2012; Krugļevskis et al. 2005). Secondo loro, l’individuazione dei termini mediante metodi linguistici (analisi morfosintattica) è più adatta dei metodi statistici applicabili alle lingue analitiche.

Terminologija | 2013 | 20

57

È stato difficile anche selezionare i termini dell’istruzione e della scienza da tutti i sintagmi individuati automaticamente, significativi e grammaticalmente corretti. Le difficoltà sono sorte perché tra i cosiddetti possibili termini individuati nel corpus di 4 milioni di parole ve n’erano ben 11 mila. Nella fase successiva della ricerca e della compilazione del dizionario era importante individuare, tra tutti i sintagmi, i termini dell’istruzione e della scienza (il problema è discusso in Rimkutė 2012).

Va sottolineato che il dizionario dei termini dell’istruzione e della scienza qui presentato è stato compilato sulla base di un corpus. Ciò significa che non è stato utilizzato il metodo prescrittivo di gestione della terminologia, tradizionale e tuttora diffuso in Lituania, basato sulle competenze dei terminologi e talvolta piuttosto soggettivo; è stato invece adottato il metodo descrittivo di analisi e definizione dei termini, considerato superiore nella terminologia contemporanea e fondato sui dati dei corpora. I corpora sono molto utili per la compilazione dei dizionari, perché consentono di individuare i modelli d’uso dei termini più tipici e frequenti, importanti per definirne il significato e selezionare esempi pertinenti.

A causa della complessità della metodologia di definizione dei termini, si è deciso di definirne approfonditamente 300. Sono stati selezionati termini appartenenti a determinati gruppi: termini contenenti la parola accademico (ad es.: libertà accademica, etica accademica, ora accademica), la parola lavoro (ad es.: tesi di laurea, compito a casa, lavoro autonomo), la parola istruzione (ad es.: istruzione universitaria, istruzione generale, istruzione superiore), la parola educazione (ad es.: ente erogatore di servizi educativi, educazione degli adulti, educazione non formale), ecc. Sono stati definiti anche alcuni termini monolessematici di uso frequente: studente, ricercatore, università, ecc.

Come in altri dizionari terminologici, nel dizionario dei termini dell’istruzione e della scienza la maggior parte dei termini è accompagnata da equivalenti in inglese, tedesco e francese. Questi sono stati raccolti da fonti e documenti approvati relativi al settore, nonché da banche dati terminologiche specializzate: Anglų kalbos švietimo terminų žodyno (Glossary of Educational Terms), Aiškinamojo su studijomis susijusių terminų žodyno, Der Europäische Qualifikationsrahmen für lebenslanges Lernen, EuroVoc (il thesaurus multilingue dell’Unione europea), Lietuvos Respublikos terminų banko, ecc.

Ci si è basati soprattutto sulla terminologia dell’istruzione della Gran Bretagna, della Francia e della Germania; tuttavia, nel contesto dei sistemi di questi paesi, il significato di molti equivalenti traduttivi non coincide del tutto con quello dei termini originali usati in Lituania nel campo dell’istruzione e della scienza. Gli equivalenti dei termini in lingue straniere riportati nel dizionario sono applicabili al sistema scientifico ed educativo della Repubblica di Lituania e non sempre (o solo in parte) possono essere utilizzati per descrivere il sistema scientifico ed educativo di un altro paese.

58

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

STRUTTURA DEL DIZIONARIO DEI TERMINI DELL’ISTRUZIONE E DELLA SCIENZA

Il dizionario dei termini dell’istruzione e della scienza è liberamente accessibile online all’indirizzo http://daukantas.vdu.lt/moksliniai-terminai/. Qui sono riportati 224 termini, benché nel capitolo precedente si affermasse che ne erano stati definiti 300. La differenza tra il numero di termini definiti e quello dei termini presenti nel dizionario dipende dal fatto che si è osservato che alcuni termini (ad es.: livello / grado di qualificazione; grado scientifico / accademico; produzione scientifica; studi di secondo ciclo / studi magistrali; carico di studio / di lavoro dello studente; istituto statale / nazionale di ricerca) sono usati come sinonimi e hanno una struttura simile; pertanto, questi termini sono stati accorpati.

Il dizionario dei termini dell’istruzione e della scienza contiene le parti indispensabili di qualsiasi dizionario terminologico, vale a dire il termine stesso e la sua definizione. Come già menzionato, sono indicati gli equivalenti in inglese, tedesco e francese. Sono inoltre riportati gli ambiti tematici (ad es., gestione dell’istruzione superiore, politica dell’istruzione superiore, amministrazione dell’istruzione superiore) e le abbreviazioni di alcuni termini.

Il dizionario si distingue dagli altri dizionari terminologici o dalle banche dati perché riporta anche tutte le forme flesse dei termini, con le rispettive frequenze, e la frequenza complessiva del termine nel corpus dell’istruzione e della scienza. Per ogni termine si trovano almeno due esempi d’uso tratti dal corpus dell’istruzione e della scienza (gli esempi non sono stati corretti né modificati, ma talvolta solo abbreviati), i collocati a sinistra e a destra⁴ e il concordanziere⁵.

Per definire tutti i termini le informazioni ricavate dal corpus non sono state sufficienti. Gli asterischi contrassegnano i termini per i quali le informazioni disponibili erano insufficienti a formulare una definizione (ad es.: fornitore di servizi didattici, borsa di studio dello studente, istruzione di base).

Poiché i termini sono stati estratti dal corpus, se ne conosceva la frequenza d’uso; pertanto, per tutti i termini è indicata la frequenza, contrassegnata secondo una convenzione, rispetto agli altri termini:

★★★ contrassegna i termini più frequenti, usati fino a 500 volte nel corpus dell’istruzione e della scienza;

★★☆ contrassegna i termini meno frequenti, usati nel corpus da 100 a 499 volte;

⁴ Si tratta dei partner contestuali del termine analizzato, individuati statisticamente (in base alla frequenza) e spesso situati immediatamente a sinistra o a destra del termine.

⁵ Sono i casi d’uso nel corpus di tutte le forme grammaticali del termine selezionato, presentati nel contesto di una riga (la riga di concordanza comprende generalmente più di una frase). Di norma, il concordanziere si analizza leggendolo innanzitutto in verticale, perché solo così emerge l’uso tipico del termine. Il termine analizzato è collocato al centro della riga di concordanza ed è evidenziato in grassetto. A sinistra e a destra del termine analizzato sono riportati circa 50 caratteri di estratto della concordanza. Per visualizzare un estratto più lungo della concordanza (circa 150 caratteri a sinistra e a destra), occorre fare clic sul segno più alla fine della riga di concordanza.

Terminologija | 2013 | 20

59

★☆☆ è indicato accanto ai termini utilizzati nel corpus testuale da 10 a 99 volte;

☆☆☆ è indicato accanto ai termini rari, utilizzati nel corpus testuale meno di 10 volte.

Di seguito, a titolo illustrativo del dizionario dei termini di istruzione e scienza, è riportata la voce del termine studi di laurea triennale.

STUDI DI LAUREA TRIENNALE ★☆☆

Definizione

Studi universitari di primo ciclo che forniscono una formazione universitaria generale, le basi delle conoscenze nell’indirizzo di studio prescelto e il titolo accademico di laurea triennale.

Esempi

Nelle università statunitensi è consuetudine offrire agli studenti più dotati la possibilità di combinare gli studi di master con quelli di dottorato; più precisamente, di accedere al dottorato subito dopo gli studi di laurea triennale (ciò spiega in parte perché gli studi di master e di dottorato siano riuniti sotto un unico termine, graduate studies, svolti nelle cosiddette graduate school) e di conseguire il titolo di PhD dopo 8 anni di studi universitari.

Periodo raccomandato insieme agli studi di laurea triennale: 5 anni

Gli studi di laurea triennale (primo ciclo) durano generalmente 4 anni (160 crediti, a tempo pieno).

Gli studi di laurea triennale, gli studi di master e quelli di dottorato si concludono rispettivamente con la discussione della tesi di laurea, della tesi di master e della dissertazione.

Gli studi di laurea triennale sono studi universitari di primo ciclo che forniscono una formazione universitaria generale e le basi delle conoscenze nell’indirizzo di studio prescelto.

Frequenza

studi di laurea triennale 21

studi di laurea triennale 6

negli studi di laurea triennale 3

gli studi di laurea triennale 7

degli studi di laurea triennale 14

Frequenza complessiva: 51

Equivalenti

In inglese: bachelor’s studies

In tedesco: Bachelorstudium

In francese: études de licence

Settore disciplinare

amministrazione dell’istruzione superiore

60

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Collocazioni

Collocati a sinistra

Collocati a destra

PO

studi di laurea triennale

SU

con gli studi di laurea triennale

ABBREVIARE

gli studi di laurea triennale

SOFTWARE

per gli studi di laurea triennale

studi di laurea triennale

PRIMO CICLO

studi di laurea triennale

MASTER E DOTTORATO

Concordanza⁶

[1]

un’attività lavorativa oppure proseguire e portare a termine

gli studi di laurea triennale.

I rappresentanti degli istituti di istruzione superiore hanno diffuso un comunicato,

[2]

nei paesi che offrono tali corsi di laurea triennale.

Corsi di laurea triennale

nel semestre autunnale del quarto anno, mentre gli studi magistrali

[3]

il corso di teologia dura 5 anni); ai

studi di laurea triennale

sono stati ammessi 1 870 studenti, mentre nel 2009 le università

[4]

le università hanno deciso di ridurre a 3 e 3,5 anni

gli studi di laurea triennale,

informa che la legge sulla scienza e gli studi

[5]

le università hanno deciso di ridurre a 3 e 3,5 anni

gli studi di laurea triennale.

Negli Stati Uniti, i laureati, per iniziare gli studi magistrali

[6]

i requisiti delle commissioni: occorre aver completato

gli studi di laurea triennale,

se ci si iscrive a un programma orientato alla ricerca,

[7]

anni. Le università decisero di ridurre fino a 3 anni

gli studi di laurea triennale.

Alcune università decisero di portarli a 3 e 3,5 anni

[8]

crediti (4,5 anni) degli studi di laurea triennale.

gli studi di laurea triennale,

della durata di 4 anni (gli studi di teologia cattolica

[9]

studi che non rilasciano un titolo. Il periodo raccomandato, insieme agli

studi di laurea triennale

– 5 anni (3 + 2; 3,5 + 1,5; 4 + 1). Gli studi di laurea triennale

[10]

Invitato a confrontare questi studi con i propri

studi di laurea triennale

negli Stati Uniti, lo straniero notò che qui era molto più facile.

⁶ Qui sono riportate solo le prime dieci righe del concordanzario. Cliccando sul segno più sul sito web viene visualizzato un concordanzario più esteso.

Terminologija | 2013 | 20

61

Per alcuni termini sono state fornite diverse migliaia di righe di concordanza. Esaminare una tale quantità di informazioni richiede molto tempo e questi dati non sono importanti per tutti. Per chi desidera saperne di più sull’uso di un termine e sul contesto in cui viene utilizzato, magari formulare un’altra definizione, selezionare gli esempi necessari e farsi un’opinione obiettiva, il concordanzario offre molti vantaggi.

CONCETTO DI ONTOLOGIA E MOTIVAZIONI PER LA SUA CREAZIONE

Questo e i capitoli successivi trattano l’ontologia dei termini dell’istruzione e della scienza, i principi della sua elaborazione e le possibilità di utilizzo di questa e di altre ontologie. Per maggiore chiarezza, sono presentate alcune classificazioni e alcuni risultati visualizzati dell’ontologia dei termini dell’istruzione e della scienza.

Le ontologie sono strumenti formali di concettualizzazione della conoscenza che sintetizzano le conoscenze descritte in linguaggio naturale in un modello strutturato e gerarchico di concetti correlati. Per garantire la qualità dell’elaborazione delle informazioni e affrontare i problemi legati alla polisemia dei termini, è necessario creare basi strutturate di termini che consentano ai programmi informatici di elaborare il linguaggio naturale umano (ingl. natural language processing) e di interpretarne la semantica. È per questo motivo che vengono create le ontologie.

Una persona che conosce una determinata lingua comprende facilmente il significato del testo in linguaggio naturale che le viene presentato, mentre un programma informatico interpreta le stesse informazioni come un insieme di simboli testuali e di metadati a essi associati. Le ontologie costituiscono l’anello di congiunzione che trasforma le informazioni espresse in linguaggio naturale in un modello concettuale della conoscenza, facilmente interpretabile dai robot per la raccolta e l’elaborazione delle informazioni.

La creazione di ontologie è un processo interdisciplinare che comprende le discipline della filosofia, della linguistica e dell’informatica (per approfondire, cfr. Grigonytė 2010). In filosofia, l’ontologia è intesa come la disciplina che studia l’essere e l’esistenza. I linguisti integrano questa definizione di ontologia; in linguistica, l’ontologia è una rete di concetti distinti e dei termini che li descrivono. In informatica, l’ontologia è una rappresentazione logica e formale della realtà.

La più vasta e facilmente accessibile fonte di testi in linguaggio naturale è Internet; per questo le ontologie sono spesso considerate uno degli strumenti del web semantico e della ricerca semantica. Il W3C, organizzazione che elabora gli standard per i siti web, definisce l’ontologia come un insieme di termini che descrive le conoscenze di un determinato ambito: «le ontologie sono utilizzate da persone, database e applicazioni che intendono condividere informazioni relative a un determinato ambito

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

informazioni <...>. Le ontologie collegano i concetti di un determinato ambito, adattati ai programmi informatici, e le relazioni tra di essi» (W3C).

L’ontologia dei termini dell’istruzione e della scienza (di seguito, ontologia dei termini dell’istruzione e della scienza) è stata elaborata per formalizzare l’insieme di termini dell’istruzione e della scienza creato nell’ambito del progetto introduttivo menzionato e integrarlo con relazioni semantiche interpretabili dalle applicazioni. I principali lavori di creazione dell’ontologia consistono nel descrivere in modo qualitativamente adeguato i termini e i concetti dell’ambito scelto e nel specificarne formalmente i significati. Questi lavori sono importanti per affrontare il problema della polisemia dei termini e creare un modello strutturale dei termini dell’ambito dell’istruzione e della scienza. L’ontologia dei termini dell’istruzione e della scienza è stata creata non solo come tassonomia di tali termini, ma anche come una delle possibili risorse per la ricerca semantica.

L’ontologia dei termini dell’istruzione e della scienza è accessibile online all’indirizzo http://meta.vdu.lt/webprotege/, ed è visualizzata mediante lo strumento WebProtege, che consente di consultare l’albero gerarchico delle classi, i loro attributi e gli esempi di istanze dei concetti. Aprendo o nascondendo nuove schede e sezioni, l’utente può configurare un’interfaccia grafica comoda. Si consiglia di utilizzare i browser Chrome o Mozilla Firefox. Per rappresentare meglio le relazioni tra i termini, si consiglia di utilizzare Protege 4.3 con il plug-in OntoGraf.

SCELTA DELLA METODOLOGIA PER LA CREAZIONE DI ONTOLOGIE DEI TERMINI DELL’ISTRUZIONE E DELLA SCIENZA

La concezione generale della creazione di ontologie è descritta dal seguente metamodelo di processo (per maggiori dettagli, cfr. Cimiano 2006): M={D, LA, T, S, C, TR}, in cui D indica la raccolta di documenti, LA le annotazioni linguistiche, T la selezione dei termini, S l’individuazione dei sinonimi, C il collegamento dei termini e dei loro sinonimi ai concetti e TR la definizione delle relazioni semantiche tra i concetti.

Nell’ambito delle diverse metodologie di creazione delle ontologie si applicano varie strategie: alcune metodologie prestano maggiore attenzione al ciclo di vita dell’ontologia e alla creazione di prototipi (Cyc, TOVE, Methontology, On-To-Knowledge), mentre altre sottolineano maggiormente l’impiego delle ontologie nelle applicazioni (KAKTUS). Con alcuni metodi le ontologie vengono create a partire da corpora testuali raccolti (TOVE, On-To-Knowledge), con altri da grandi ontologie di conoscenza generale (SENSUS, Cyc) (per maggiori dettagli, cfr. Corcho et al. 2003).

Nella forma più semplice, le ontologie vengono create nelle seguenti fasi: si seleziona un dominio di conoscenza, si elaborano le informazioni (definendo concetti, termini e vincoli),

Terminologija | 2013 | 20 63

si indicano i metodi di estensione dell’ontologia e i criteri di valutazione, e si prepara la documentazione dell’ontologia (per maggiori dettagli, cfr. Uschold et al. 1996). Nella creazione di ontologie con questo metodo non si prevede di sviluppare prototipi dell’ontologia né di utilizzare le ontologie come fonti informative aggiuntive. Applicando questa metodologia sono state create diverse ontologie di attività economiche, ma non è stato previsto come impiegarle nelle applicazioni.

On-To-Knowledge ha proposto una metodologia che si concentra soprattutto sulla gestione della conoscenza e sulle possibilità di utilizzare la futura ontologia nei sistemi informativi (per maggiori dettagli, cfr. Staab et al. 2001). Dopo uno studio di fattibilità, sono state definite le fonti informative, i potenziali utenti dell’ontologia e le modalità d’impiego.

Allo sviluppo dell’ontologia On-To-Knowledge hanno partecipato esperti del dominio selezionato; sono state elaborate informazioni raccolte da testi e da altre basi di conoscenza. La qualità dell’ontologia è stata valutata verificando la conformità ai requisiti e le possibilità di applicazione. Tutte queste fasi di creazione e sviluppo dell’ontologia possono essere considerate raccomandazioni per la realizzazione di altre ontologie.

Le metodologie presentate si concentrano soprattutto sui metodi per creare ontologie a partire da fonti informative testuali. La metodologia dell’ontologia SENSUS propone di utilizzare ontologie di conoscenza generale nel processo di creazione di un’ontologia di dominio specialistico (per maggiori dettagli, cfr. Gomez-Perez et al. 2004). La metodologia prevede il raggruppamento dei termini della base di conoscenza OntoSaurus in un albero di concetti. Nel tentativo di collegare due classi di concetti, si cerca una classe di concetto generale (ingl. root class).

Nella scelta della metodologia per la creazione dell’ontologia dei termini dell’istruzione e della scienza, si è tenuto conto delle risorse informative disponibili e delle possibilità di applicare le tecnologie linguistiche e gli strumenti per la creazione di ontologie. Si è deciso di avvalersi dell’esperienza maturata nel progetto Methontology (per maggiori dettagli, cfr. Mariano et al. 2004; Gomez-Perez et al. 2004; Corcho et al. 2003).

L’applicazione di Methontology alla creazione dell’ontologia dei termini dell’istruzione e della scienza, nonché le risorse per la creazione dell’ontologia, sono illustrate nella figura 1. Nella fase di specificazione si indicano lo scopo e l’ambito dell’ontologia. Il modello concettuale dell’ontologia viene elaborato tenendo conto del dominio definito con precisione durante la specificazione; in seguito viene formalizzato, ossia trasformato in un modello formale dell’ontologia. Durante il processo di sviluppo, il modello formale viene implementato secondo i requisiti del linguaggio di creazione di ontologie scelto. Anche dopo essere stata creata, un’ontologia viene spesso modificata, ampliata o aggiornata.

64

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 1. Processi e risorse per la creazione dell’ontologia dei termini dell’istruzione e della scienza (sulla base di Methontology)

Applicando il modello Methontology, sono stati creati un glossario dei termini e una tassonomia dei concetti, sono state individuate le relazioni tra i singoli oggetti dell’ontologia ed è stata predisposta una base di esempi di attributi, classi, classi astratte, dei rispettivi attributi e delle relazioni, in cui si specifica in quali casi esiste il concetto selezionato e con quali altri concetti è correlato; sono inoltre descritte le istanze dei concetti.

Le ontologie descrivono diversi elementi appartenenti allo stesso dominio specifico: persone (ad es., rettore, studente), luoghi (ad es., università), processi (ad es., insegnamento, docenza), risultati dei processi (ad es., opera d’arte, tesi di laurea triennale) e così via. Nell’ontologia tutti sono denominati concetti (ingl. concept), che possono esistere come unità informativa autonoma dell’ontologia oppure essere collegati in classi di concetti (ingl. class).

La tassonomia dei concetti (ingl. concepts taxonomy) – classificazione sistematica dei concetti secondo il modello concettuale dell’ontologia prescelto – viene solitamente elaborata a partire da un glossario dei termini (ingl. glossary of terms), inteso in questo caso come un elenco formale di termini e delle relative definizioni (per maggiori dettagli, cfr. Uschold et al. 2004).

Nella tassonomia classica, una classe è definita come «un gruppo di entità simili, distinto da altri gruppi di individui» (per maggiori dettagli, cfr. Mayr 1987). Ogni classe dell’ontologia è caratterizzata da un insieme di proprietà (ingl. property) che le sono proprie e dalle relative restrizioni (ingl. restriction), ereditate da tutte le entità appartenenti a una determinata classe (ingl. instance, individual). Un’entità è un’istanza concreta del concetto selezionato (ad es., Zigmas Lydeka è un’entità del concetto rettore).

Terminologija | 2013 | 20 65

I termini dell’ontologia dei termini dell’istruzione e della scienza sono stati individuati in un corpus specializzato mediante metodi linguistici (per maggiori dettagli, cfr. Grigonytė et al. 2011; Rimkutė 2012). I concetti e le classi di concetti dell’ontologia sono stati elaborati secondo una strategia mista dal basso verso l’alto (ingl. down-top strategy) e dall’alto verso il basso (ingl. top-down strategy) (per maggiori dettagli, cfr. Uschold et al. 1996). Applicando la strategia dal basso verso l’alto, si identificano innanzitutto i concetti più specifici, che in seguito vengono sostituiti da concetti più astratti. Applicando la strategia dall’alto verso il basso, si definiscono innanzitutto i concetti astratti, che in seguito vengono precisati. Nell’applicazione di una strategia mista per la creazione di ontologie, si esaminano innanzitutto i concetti di partenza che, a seconda delle esigenze, vengono poi precisati oppure generalizzati.

In questa fase della creazione della tassonomia dei termini dell’ontologia ha partecipato attivamente un esperto del settore dell’istruzione e della scienza. Ha raggruppato i termini per ambiti disciplinari e ha creato un modello concettuale preliminare dell’ontologia.

Nella creazione della tassonomia dei concetti, si raccomanda di prestare particolare attenzione alle seguenti fasi: compilare un elenco di termini e selezionarne quelli necessari, creare un modello dei concetti, elaborare le definizioni e valutare i termini (ISO 10241: 1992).

STRUTTURA DELL’ONTOLOGIA DEI TERMINI DELL’ISTRUZIONE E DELLA SCIENZA

Una delle sfide del processo di creazione delle ontologie consiste nel creare una struttura dei dati di qualità, universale e applicabile a diversi sistemi di elaborazione delle informazioni, nonché compatibile con altre fonti di conoscenza. L’elemento principale di un’ontologia è la cosa (ingl. thing), che astrae tutti i concetti dell’ontologia. La necessità di questo elemento è spiegata dalla definizione filosofica dell’ontologia come scienza che studia l’essere. L’ontologia formalizza tutte le conoscenze relative a un determinato ambito; pertanto, il suo elemento necessario è una classe astratta che generalizza tutti i concetti di un ambito specialistico.

I concetti, i termini e gli assiomi sono gli elementi concettuali fondamentali di qualsiasi ontologia. È importante distinguere il significato di termine da quello di concetto. Nella norma LST ISO 1087-1 (2005), concetto è definito come «[u]n’unità di conoscenza costituita da una combinazione unica di caratteristiche». Il concetto è indipendente dalla lingua e può essere influenzato soltanto dal contesto. Il termine è l’identificatore di un concetto, ovvero «[u]na designazione verbale di un concetto generale in un ambito disciplinare specifico» (LST ISO 1087-1: 2005). Gli assiomi descrivono i vincoli di un ambito specifico e permettono di creare la struttura gerarchica dei concetti dell’ontologia. Tra gli oggetti strutturali formali dell’ontologia rientrano i concetti, le classi di concetti, le istanze di classi e concetti, le proprietà di classi, concetti e istanze, nonché le relazioni e i vincoli che collegano tutti gli oggetti dell’ontologia.

66

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 2. Struttura dell’ontologia dei termini dell’istruzione e della scienza secondo le aree del modello delle attività aziendali

Su raccomandazione dell’esperto, tutti i termini sono stati raggruppati in tre classi astratte: input, processo e output (cfr. fig. 2), caratteristiche dei modelli delle attività aziendali (per maggiori dettagli, cfr. ISO 9001: 2000). La classe Input specifica i requisiti, le risorse e i dati del sistema o di una specifica attività. Per questo motivo, a questa categoria appartengono i gruppi di termini relativi a infrastrutture, istituzioni e partecipanti. I processi operativi si suddividono in processi essenziali (classe attività), che creano valore aggiunto, e processi di supporto (classe amministrazione), che rafforzano l’attività dei processi principali e assicurano l’infrastruttura necessaria ai processi realizzati. L’Output riassume l’efficienza e la produttività del processo: indica quali risultati si potevano conseguire, quali sono stati conseguiti e quali risorse sono state utilizzate a tal fine (classi prodotti scientifici, prodotti della formazione professionale, prodotti degli studi e prodotti artistici). Ogni classe astratta dell’ambito disciplinare può avere ulteriori sottoclassi specifiche (come si vede nella figura 3, la sottoclasse della classe partecipante è amministratore, a sua volta suddivisa in modo più dettagliato). Nell’ontologia dei termini dell’istruzione e della scienza vi sono in totale 29 classi astratte. La loro funzione principale è creare un modello concettuale generale dell’ontologia secondo la strategia già menzionata dall’alto verso il basso.

Terminologija | 2013 | 20

67

Fig. 3. Concetti generali della classepartecipante e sottoclassi astratte nell’ontologia dei termini dell’istruzione e della scienza

L’ontologia dei termini dell’istruzione e della scienza comprende 465 concetti generali⁷, la cui gerarchia è stata costruita ricorrendo a modelli per il riconoscimento di contesti definitori (per maggiori dettagli, cfr. Bielinskienė et al. 2012). I contesti definitori corrispondono in parte o interamente alle definizioni dei termini e sono costituiti da concetti iperonimici. Per esempio, il concetto di studente è definito come persona che studia presso un istituto di istruzione superiore seguendo un programma di studi a ciclo completo. Uno studente straniero è uno studente che si reca da un altro paese presso un istituto di istruzione superiore di un determinato paese per frequentare un intero programma di studi a ciclo completo o studi parziali.

Nell’ontologia dei termini scientifici sono indicate le seguenti relazioni tassonomiche:

– sottoclasse di classe (ingl. subclass-of) – per esempio, laureando è una sottoclasse della classe studente;

– scomposizione disgiunta (ingl. disjoint-decomposition) – per esempio, un prodotto degli studi non può essere contemporaneamente una tesi di laurea e una dissertazione;

– scomposizione esaustiva (ingl. exhaustive-decomposition) – per esempio, la classe docente comprende le sottoclassi professore associato, docente a contratto, professore ordinario e altre. Se un determinato oggetto è un docente, deve appartenere ad almeno una delle sottoclassi elencate;

– partizione (ingl. partition) – per esempio, il concetto di semestre di studi comprende i concetti di semestre primaverile e semestre autunnale. Se si parla di un semestre di studi, esso deve appartenere a una delle sottoclassi elencate.

⁷ Nell’ontologia sono inclusi anche i termini che non figurano nel glossario dei termini dell’istruzione e della scienza, cioè quelli che non sono stati definiti in modo esaustivo.

68

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 4. Gerarchia tassonomica del concetto studente nell’ontologia dei termini dell’istruzione e della scienza

Poiché il criterio fondamentale della qualità di un’ontologia è l’univocità dei termini, nella creazione dell’ontologia dei termini dell’istruzione e della scienza è stata dedicata molta attenzione alla qualità della definizione dell’insieme delle proprietà dei concetti. Per determinare l’insieme delle proprietà di classi, concetti ed entità, sono adatti i modelli per il riconoscimento dei contesti descrittivi (per maggiori dettagli, cfr. Bielinskienė et al. 2012). I contesti descrittivi definiscono la natura del concetto analizzato e la sua relazione con altre parti del sistema.

Fig. 5. Possibilità di applicazione dell’attributo attivo nell’ontologia dei termini dell’istruzione e della scienza⁸

La stessa proprietà può essere utilizzata per descrivere diversi concetti. Per esempio, la proprietà attivo è caratteristica di quattro concetti: lavoro pratico, formazione pratica, attività pratica, esercitazioni (cfr. fig. 5). È quindi importante sottolineare che un concetto può essere descritto in modo adeguato soltanto mediante una combinazione specifica e univoca di proprietà.

⁸ Utilizzando lo strumento Protege 4.3 per la creazione e la visualizzazione di ontologie, non era possibile usare la lingua lituana; pertanto, gli elementi strutturali dell’ontologia (ad es., ObjectProperty, Domain) sono presentati in inglese.

Terminologija | 2013 | 20

69

Fig. 6. Insieme delle proprietà del concetto «ora accademica» e dei relativi vincoli nell’ontologia dei termini dell’istruzione e della scienza

Ogni proprietà può avere vincoli specificati o relazioni con altri concetti o classi di concetti. Per esempio, l’ora accademica è definita come unità di durata del lavoro di contatto tra docenti e studenti, pari a 45 minuti. La definizione formale ontologica di questo concetto specifica il seguente insieme di proprietà: l’ora accademica è una sottoclasse del processo; i partecipanti sono studenti e docente; si tratta di un processo di contatto con una durata, definita dalla costante di 45 minuti (cfr. fig. 6).

Le entità, ossia le istanze specifiche di classi e concetti, ereditano le proprietà delle classi e dei concetti, i relativi vincoli e le relazioni con altre proprietà, e sono caratterizzate da

Fig. 7. Albero delle relazioni tra i concetti e le entità dell’ontologia dei termini dell’istruzione e della scienza

70

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

con le stesse proprietà. Per esempio, se nell’ontologia si indica che il rettore dirige l’università, allora l’individuo della classe di concetti – Zigmas Lydeka – dirige l’Università Vytautas Magnus (VDU), ossia l’individuo della classe di concetti università (cfr. fig. 7).

L’ontologia dei termini dell’istruzione e della scienza è stata creata in OWL con lo strumento per la creazione di ontologie Protege 4.3, visualizzata utilizzando lo strumento WebProtege o il plug-in OntoGraf⁹.

VALUTAZIONE E APPLICAZIONE DELL’ONTOLOGIA DEI TERMINI DELL’ISTRUZIONE E DELLA SCIENZA

Attualmente, l’ontologia dei termini dell’istruzione e della scienza comprende 29 classi astratte di concetti e 465 concetti generali, 87 proprietà di concetti, classi di concetti e relativi individui, 141 individui e 296 relazioni tra classi di concetti, concetti e individui dell’ontologia.

La complessità dell’ontologia può essere valutata formalmente ricorrendo alle metriche della logica descrittiva (in inglese description logic) (per maggiori dettagli, cfr. Corcho et al. 2003; Baader 2003). L’ontologia dei termini dell’istruzione e della scienza è stata valutata al livello di complessità ALCHON(D); qui:

– AL – linguaggio degli attributi; consente di collegare i concetti e di formularvi restrizioni universali;

– C – indica che è possibile negare le relazioni tra concetti;

– H – indica che è possibile creare una gerarchia di ruoli;

– O – restrizioni di cardinalità (relazioni: esattamente uno, uno tra molti);

– N – restrizioni di cardinalità (relazioni: minore, maggiore);

– (D) – proprietà dei tipi di dati.

Oltre al vocabolario, alla tassonomia e alle relazioni semantiche dell’ontologia, vengono valutate le sue possibilità di utilizzo e applicazione. Il linguaggio OWL scelto per la creazione di ontologie è adatto a trarre inferenze semantiche, arricchire l’ontologia con nuovi concetti o collegare ontologie di diversi ambiti. Il modello strutturale dei termini del settore dell’istruzione e della scienza è stato elaborato in modo che ogni concetto dell’ontologia sia descritto da un insieme univoco di proprietà e relazioni semantiche: questa soluzione contribuisce ad affrontare il problema della polisemia dei termini. Questa risorsa è stata creata non solo come tassonomia dei termini del settore dell’istruzione e della scienza, ma anche come uno dei possibili strumenti per la ricerca semantica e l’elaborazione del linguaggio naturale.

⁹ Ulteriori informazioni: http://protege.stanford.edu.

Terminologija | 2013 | 20

71

Finora molta attenzione è stata dedicata al modo in cui le ontologie possono essere applicate alla computerizzazione del linguaggio naturale, alla sua sistematizzazione e alla sua comprensibilità per i programmi informatici. Forse, a prima vista, non è del tutto chiaro in che modo le ontologie possano essere utili ai linguisti o agli specialisti di altri settori. Va sottolineato che le ontologie sono particolarmente utili ai terminologi, poiché, grazie agli strumenti di visualizzazione delle ontologie, è possibile vedere chiaramente le relazioni tra i termini. Per illustrare i termini si possono selezionare parole concrete associate a quei termini e presentate nell’ontologia (in ontologia denominate esiniais).

Sia il dizionario dei termini dell’istruzione e della scienza sia l’ontologia possono essere d’aiuto ai soggetti del settore dell’istruzione e della scienza: docenti, insegnanti, personale amministrativo, studenti universitari e scolari, poiché queste risorse mostrano, per esempio, come vengono classificati gli studenti, quali tipi di studi esistono, da chi è composta l’amministrazione degli istituti di istruzione superiore e così via.

OSSERVAZIONI CONCLUSIVE

L’articolo presenta il Dizionario dei termini dell’istruzione e della scienza e l’Ontologia dei termini dell’istruzione e della scienza. Sia il dizionario sia l’ontologia sono stati perfezionati. Il principale pregio e tratto distintivo di entrambe le risorse consiste nel fatto che sono state realizzate applicando principi dei corpora e della linguistica computazionale ancora poco utilizzati dai terminologi lituani.

Il dizionario dei termini dell’istruzione e della scienza è disponibile online e comprende 224 termini composti da una a cinque parole. Si distingue dagli altri dizionari terminologici perché, oltre alle consuete componenti di un dizionario dei termini (i termini stessi, le definizioni e gli equivalenti in lingue straniere), presenta tutte le forme flessive di ciascun termine con le relative frequenze, esempi tratti dal corpus dell’istruzione e della scienza, collocati e concordanze. Questi dati sono importanti perché consentono agli utenti del dizionario di farsi un quadro completo dell’uso e del contesto di un determinato termine e di individuare caratteristiche importanti del termine che forse non sono menzionate nella definizione.

L’ontologia dei termini dell’istruzione e della scienza, disponibile online, rivela le relazioni semantiche tra i termini del settore e rende queste informazioni comprensibili ai programmi informatici. Le ontologie possono essere particolarmente utili ai terminologi che classificano e descrivono i termini di un determinato settore e ne forniscono esempi concreti.

Si auspica che sia il dizionario dei termini dell’istruzione e della scienza sia l’ontologia diventino risorse metodologicamente importanti e incoraggino i terminologi lituani a sfruttare maggiormente le possibilità offerte dai corpora per studiare, descrivere e classificare i termini.

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