Švietimo ir mokslo terminų žodynas ir ontologija

Irena Markievicz; Erika Rimkutė

Go to original

Preparing document pages…

Dicționarul și ontologia termenilor din educație și știință

IRENA MARKIEVICZ, ERIKA RIMKUTĖ

Vytauto Didžiojo universitetas

CUVINTE-CHEIE: corpus, termeni din educație și știință, ontologie, dicționar

INTRODUCERE

În perioada 2010–2012, la Centrul de Lingvistică Computațională al Universității Vytautas Magnus s-a desfășurat proiectul finanțat de Consiliul Lituanian pentru Cercetare Identificarea automată a termenilor din educație și știință (ŠIMTAI 2). Obiectivul principal al acestui proiect a fost testarea metodelor lingvisticii corpusurilor, pentru a putea recunoaște automat sau semi-automat termenii, automatiza selecția din corpus a informațiilor necesare formulării definițiilor termenilor și, astfel, facilita munca terminologilor. Cele mai importante rezultate ale cercetării, pe lângă metodologii, sunt un corpus specializat de educație și știință (în continuare EȘ), cu o dimensiune de 4 milioane de cuvinte, Dicționarul termenilor din educație și știință elaborat pe baza acestui corpus specializat și Ontologia termenilor din educație și știință.

Articolul prezintă dicționarul termenilor EȘ și ontologia termenilor EȘ. Sunt descrise structura dicționarului și deosebirile sale față de alte dicționare de termeni. O atenție mai mare este acordată ontologiei termenilor EȘ. Se explică modul în care sunt definite ontologiile în diferite ramuri ale științei, la ce sunt necesare și prin ce metode sunt create. Ontologia termenilor EȘ este analizată în detaliu, îi este prezentată structura, sunt oferite exemple și se explică modul în care această resursă poate fi utilizată.

Ambele lucrări – atât dicționarul termenilor EȘ, cât și ontologia termenilor EȘ – au fost elaborate pe baza acelorași materiale, și anume un corpus specializat de educație și știință, folosind metodologia lingvisticii corpusurilor și a lingvisticii computaționale.

Prin această lucrare se dorește prezentarea posibilităților lingvisticii corpusurilor și ale lingvisticii computaționale în domeniul terminologiei și atragerea atenției terminologilor, a autorilor de dicționare de termeni sau de baze de date asupra faptului că gestionarea terminilor poate fi automatizată cel puțin parțial și că este posibilă concilierea abordărilor prescriptive și descriptive în analiza termenilor.

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

ETAPELE ELABORĂRII DICȚIONARULUI DE TERMENI DIN EDUCAȚIE ȘI ȘTIINȚĂ

Termenii din dicționarul de termeni din educație și știință (EȘ) au fost stabiliți într-un corpus specializat, prin aplicarea unor metode lingvistice (pentru detalii, a se vedea Grigonytė et al. 2011; Rimkutė 2012). Elaborarea dicționarului a durat doi ani, adică pe toată perioada desfășurării proiectului menționat în introducere, și a cuprins următoarele etape:

1) a fost alcătuit un corpus specializat din EȘ, cu 4 milioane de cuvinte;

2) corpusul a fost adnotat morfologic în mod automat;

3) a fost creat un instrument de extragere automată a termenilor, bazat pe reguli lingvistice;

4) au fost definite criteriile de selecție a termenilor potențiali;

5) au fost identificați aproximativ 11 000 de termeni potențiali, alcătuiți din unul până la cincisprezece cuvinte;

6) au fost aplicate criterii suplimentare pentru selectarea termenilor potențiali¹;

7) au fost identificați 780 de termeni din EȘ (de 1–5 cuvinte);

8) a fost elaborată o metodologie de definire a termenilor pe baza corpusurilor;

9) au fost pregătite resursele lingvistice necesare pentru stabilirea definițiilor termenilor;

10) au fost definiți termenii din 300 de grupuri selectate;

11) au fost furnizate echivalentele în engleză, germană și franceză ale termenilor definiți.

Este incontestabil că elaborarea oricărui dicționar de termeni presupune un consum considerabil de timp de lucru din partea specialiștilor și de resurse financiare. În acest articol este prezentat dicționarul de termeni din EȘ, care, deși este modest ca dimensiune — cuprinde 224 de termeni (pentru detalii, a se vedea secțiunea următoare) —, este foarte complex din punct de vedere metodologic. După cum reiese din etapele descrise ale elaborării dicționarului, chiar și având la dispoziție un corpus specializat din domeniul respectiv², au fost necesare instrumente speciale³ pentru recunoașterea și identificarea automată a termenilor.

¹ Au fost analizați termenii alcătuiți din cel mult șapte cuvinte; s-a ținut seama și de frecvență: cu cât termenul este mai scurt, cu atât trebuie să fie folosit mai frecvent; de exemplu, au fost analizați numai termenii dintr-un singur cuvânt care apăreau de cel puțin 20 de ori, în timp ce termenii din șapte cuvinte trebuiau să apară de cel puțin două ori.

² Alcătuirea corpusului este una dintre cele mai importante și mai îndelungate etape ale întregului studiu, deoarece, pentru a crea un corpus reprezentativ în care să poată fi identificați termenii, a fost necesară selectarea atentă a textelor, echilibrarea lor din punctul de vedere al genurilor și prelucrarea lor tehnică (transferarea din fișiere PDF în fișiere text, schimbarea codificării etc.).

³ În acest proiect a fost creat un instrument adaptat limbii lituaniene pentru identificarea automată a termenilor, deoarece, după cum reiese din experimentele anterioare (vezi Grigonytė et al. 2011), din cauza diferențelor dintre structurile limbilor, este aproape imposibil să se adapteze limbii lituaniene instrumente de recunoaștere a termenilor concepute pentru alte limbi. Instrumentul folosește reguli lingvistice: caută termeni cu anumite structuri gramaticale, de exemplu, adjectiv + substantiv, substantiv la genitiv + substantiv, participiu + substantiv etc. Cercetătorii limbii letone identifică termenii prin metode similare (vezi Gornostay et al. 2012; Krugļevskis et al. 2005). Potrivit acestora, identificarea termenilor prin metode lingvistice (analiză morfosintactică) este mai potrivită decât metodele statistice adecvate limbilor analitice.

Terminologija | 2013 | 20

A fost dificil și să se selecteze termenii din domeniul educației și științei din toate combinațiile identificate automat, semnificative și corecte din punct de vedere gramatical. Dificultățile au apărut deoarece, dintre cele 4 milioane de cuvinte din corpus, au fost identificate nu mai puțin de 11 000 de așa-numiți termeni potențiali. În etapa următoare a cercetării și elaborării glosarului, a fost important să se identifice termenii din domeniul educației și științei dintre toate combinațiile (această problemă este discutată în Rimkutė 2012).

Trebuie menționat că glosarul de termeni din domeniul educației și științei prezentat aici a fost elaborat pe baza unui corpus. Aceasta înseamnă că nu s-a folosit metoda tradițională, încă răspândită în Lituania, de gestionare a termenilor, bazată pe competența terminologilor și uneori destul de subiectivă și prescriptivă, ci metoda descriptivă de analiză și definire a termenilor, considerată superioară în terminologia contemporană și fundamentată pe date din corpusuri. Corpusurile sunt foarte importante pentru elaborarea glosarelor, deoarece permit identificarea celor mai tipice și mai frecvente modele de utilizare a termenilor, esențiale pentru definirea sensului și selectarea unor exemple relevante.

Din cauza metodologiei complexe de definire a termenilor, s-a decis definirea detaliată a 300 de termeni. Au fost selectați termeni din anumite grupuri: termeni cu cuvântul academic (de exemplu: libertate academică, etică academică, oră academică), cu cuvântul muncă (de exemplu: lucrare de diplomă, temă pentru acasă, muncă independentă), cu cuvântul educație (de exemplu: educație universitară, educație generală, învățământ superior), cu cuvântul învățământ (de exemplu: furnizor de servicii educaționale, educația adulților, învățământ nonformal) și așa mai departe. Au fost definiți și câțiva termeni uzuali monosilabici: student, cercetător, universitate etc.

Ca și în alte glosare de termeni, în glosarul de termeni din domeniul educației și științei sunt indicate, pentru majoritatea termenilor, echivalentele în engleză, germană și franceză. Acestea au fost selectate din surse și documente aprobate din domeniul respectiv, precum și din baze de date terminologice specializate: Anglų kalbos švietimo terminų žodyno (Glossary of Educational Terms), Aiškinamojo su studijomis susijusių terminų žodyno, Der Europäische Qualifikationsrahmen für lebenslanges Lernen, EuroVoc (tezaurul multilingv al Uniunii Europene), Lietuvos Respublikos terminų banko și altele.

S-a ținut cont în principal de terminologia din domeniul educației din Marea Britanie, Franța și Germania, însă sensul multor echivalente de traducere nu este exact același în contextul sistemelor acestor țări ca cel al termenilor originali utilizați în domeniul educației și științei din Lituania. Echivalentele termenilor în limbi străine prezentate în glosar se aplică sistemului de educație și știință al Republicii Lituania și nu pot fi întotdeauna (sau pot fi doar parțial) folosite pentru a descrie sistemul de educație și știință al unei alte țări.

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

STRUCTURA GLOSARULUI DE TERMENI DIN DOMENIUL EDUCAȚIEI ȘI ȘTIINȚEI

Glosarul de termeni din domeniul educației și științei este disponibil gratuit pe internet la adresa http://daukantas.vdu.lt/moksliniai-terminai/. Aici sunt prezentați 224 de termeni, deși în capitolul anterior s-a menționat că au fost definiți 300 de termeni. Numărul termenilor definiți și al celor incluși în glosar diferă deoarece s-a observat că unii termeni (de exemplu: nivelul calificării / nivelul; grad științific / grad academic; producție științifică / producție științifică; studii de masterat / studii de master; volumul de studiu / de muncă al studentului; institut de știință de stat / național) sunt utilizați ca sinonime și au structuri similare, așa că acești termeni au fost reuniți.

Glosarul de termeni din domeniul educației și științei conține componentele necesare tuturor glosarelor de termeni, și anume termenul propriu-zis și definiția acestuia. După cum s-a menționat, sunt indicate echivalentele în engleză, germană și franceză. Sunt prezentate, de asemenea, domeniile tematice (de exemplu, managementul învățământului superior, politica învățământului superior, administrarea învățământului superior), precum și abrevierile unor termeni.

Glosarul se deosebește de alte glosare de termeni sau baze de date prin faptul că indică și toate formele flexionare ale termenilor, împreună cu frecvențele lor, precum și frecvența totală a termenului în corpusul de texte din domeniul educației și științei. Pentru toți termenii se găsesc cel puțin două exemple de utilizare din corpusul de texte din domeniul educației și științei (exemplele nu au fost editate sau modificate, ci doar uneori scurtate), colocările din stânga și din dreapta⁴, concordanța⁵.

Nu au existat suficiente informații în corpus pentru a defini toți termenii. Termenii ale căror definiții nu au putut fi formulate pe baza unor informații suficiente (de exemplu: furnizor de servicii educaționale, coșul studentului, educație de bază) sunt marcați cu asteriscuri.

Întrucât termenii au fost selectați din corpus, se cunoștea frecvența utilizării lor, astfel că frecvența convențională a fiecărui termen în raport cu ceilalți termeni este indicată după cum urmează:

★★★ apare lângă cei mai frecvenți termeni, utilizați de până la 500 de ori în corpusul de texte din domeniul educației și științei;

★★☆ apare lângă termenii mai puțin frecvenți, utilizați de 100–499 de ori în corpus;

⁴ Aceștia sunt partenerii contextuali ai termenului analizat, identificați statistic (pe baza frecvenței), care apar adesea în apropierea termenului, atât la stânga, cât și la dreapta.

⁵ Acestea sunt toate cazurile de utilizare a formelor gramaticale ale termenului selectat din corpus, prezentate în contextul unui singur rând (rândul de concordanță cuprinde, de obicei, mai mult de o propoziție). Concordanța este analizată, de regulă, citind-o mai întâi pe verticală, deoarece numai astfel devine evidentă utilizarea tipică a termenului. Termenul analizat este prezentat în mijlocul rândului de concordanță și este evidențiat cu caractere aldine. Pentru termenul analizat sunt indicate aproximativ 50 de caractere din fragmentul concordanței, atât în stânga, cât și în dreapta. Pentru a vedea un fragment mai lung al concordanței (aproximativ 150 de caractere la stânga și la dreapta), trebuie apăsat semnul plus de la capătul rândului de concordanță.

Terminologija | 2013 | 20

★☆☆ apare lângă termenii utilizați de 10–99 de ori în corpus;

☆☆☆ apare lângă termenii rari, utilizați de mai puțin de 10 ori în corpus.

În continuare, ca ilustrare a dicționarului de termeni din domeniul educației și științei, este prezentat articolul pentru termenul studii de licență.

STUDII DE LICENȚĂ ★☆☆

Definiție

Studii din primul ciclu al învățământului superior, care oferă o educație universitară generală și bazele cunoștințelor în domeniul de studiu ales, precum și calificarea academică de licență.

Exemple

În universitățile din SUA, este obișnuit ca studenților mai capabili să li se ofere posibilitatea de a combina studiile de masterat cu cele de doctorat, mai precis, să se înscrie la doctorat imediat după studiile de licență (ceea ce explică într-o anumită măsură de ce studiile de masterat și cele de doctorat sunt reunite sub un singur termen — graduate studies, desfășurate în așa-numita graduate school) și să obțină titlul de PhD după 8 ani de studii universitare.

Perioada recomandată, împreună cu studiile de licență: 5 ani

Studiile de licență (ciclul I) durează, de regulă, 4 ani (160 de credite, studii cu frecvență).

Studiile de licență, masteratul și doctoratul se încheie, respectiv, prin susținerea lucrării de licență, a disertației de master și a tezei de doctorat.

Studiile de licență sunt studii din primul ciclu, care oferă o educație universitară generală și bazele cunoștințelor în domeniul de studiu ales.

Frecvență

studii de licență 21

prin studii de licență 6

în studii de licență 3

studii de licență 7

studiilor de licență 14

Frecvență totală: 51

Echivalențe

Engleză: bachelor’s studies

Germană: Bachelorstudium

Franceză: études de licence

Domeniul de specialitate

administrarea învățământului superior

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Colocații

Colocații din stânga

Colocații din dreapta

studiilor de licență

ABREVIERI

studiile de licență

SOFTWARE

pentru studiile de licență

studii de licență

CICLUL I

studii de licență

STUDII DE MASTERAT ȘI DOCTORAT

Concordanță⁶

[1]

activitatea profesională sau să continue și să finalizeze

studiile de licență.

Reprezentanții instituției de învățământ superior au difuzat un comunicat,

[2]

în țări care oferă astfel de programe de studii de licență.

Studiilor de licență

în semestrul de toamnă al anului IV, iar studiile de masterat

[3]

programul de studii teologice – 5 ani); în

studiile de licență

au fost admiși 1 870 de studenți, iar în 2009 universitățile

[4]

universitățile au decis să reducă la 3 și 3, 5 ani

studiile de licență,

informează că Legea privind știința și studiile

[5]

universitățile au decis să reducă la 3 și 3, 5 ani

studiile de licență.

licențiații din SUA, în încercarea de a începe studiile de masterat

[6]

cerințele comisiilor: trebuie să fi absolvit

studii de licență,

dacă se candidează la un program orientat spre cercetare,

[7]

ani. Universitățile au decis să reducă durata până la 3 ani

studiile de licență.

Mai multe universități au decis să reducă durata până la 3 și 3,5 ani

[8]

de credite (4, 5 ani) de studii de licență.

studiile de licență,

care durează 4 ani (studiile de teologie catolică

[9]

studii care nu conferă [un grad]. Perioada recomandată împreună cu

studiile de licență

– 5 ani (3 + 2; 3,5 + 1,5; 4 + 1). Studiile de licență

[10]

Rugată să compare aceste studii cu propriile

studii de licență

din SUA, o persoană din străinătate a observat că aici este mult mai ușor.

⁶ Aici sunt prezentate doar primele zece rânduri ale concordanței. Pe site-ul web, apăsarea semnului plus afișează o concordanță mai amplă.

Terminologija | 2013 | 20

Pentru unii termeni sunt prezentate câteva mii de rânduri de concordanță. Parcurgerea unei asemenea cantități de informații necesită mult timp, iar aceste date nu sunt importante pentru toată lumea. Pentru cei care doresc să afle mai multe despre utilizarea unui termen și contextul în care este folosit termenul selectat, să formuleze eventual o altă definiție, să aleagă exemplele necesare și să-și formeze o opinie obiectivă, concordanța este foarte utilă.

CONCEPTUL DE ONTOLOGIE ȘI MOTIVELE CREĂRII ACESTEIA

În acest capitol și în cele următoare se tratează ontologia termenilor din domeniul educației și științei (EȘ), principiile elaborării sale și posibilitățile de utilizare a acesteia și a altor ontologii. Pentru claritate, sunt prezentate câteva clasificări și rezultate vizualizate ale ontologiei termenilor EȘ.

Ontologiile sunt instrumente formale de conceptualizare a cunoștințelor, care sintetizează cunoștințele descrise în limbaj natural într-un model structurat, ierarhic, de concepte interconectate. Problemele legate de calitatea prelucrării informațiilor și de polisemia termenilor determină necesitatea creării unor baze de termeni structurate, cu ajutorul cărora programele de calculator să poată prelucra limbajul natural al oamenilor (în engleză, natural language processing) și să-i interpreteze semantica. Din acest motiv sunt create ontologiile.

O persoană care cunoaște o anumită limbă înțelege cu ușurință sensul unui text în limbaj natural care îi este prezentat, în timp ce un program de calculator interpretează aceleași informații ca pe un set de simboluri textuale și metataguri asociate acestora. Ontologiile reprezintă veriga de legătură care transformă informațiile scrise în limbaj natural într-un model conceptual al cunoștințelor, ușor de interpretat de roboții de colectare și prelucrare a informațiilor.

Crearea ontologiilor este un proces interdisciplinar, care cuprinde domeniile filosofiei, lingvisticii și informaticii (pentru mai multe detalii, vezi Grigonytė 2010). În filosofie, ontologia este înțeleasă ca disciplina care studiază ființa și existența. Lingviștii completează această definiție a ontologiei: în lingvistică, ontologia este o rețea de concepte distincte și de termeni care le descriu. În informatică, ontologia este o reprezentare logică și formală a realității.

Cea mai mare și mai ușor accesibilă sursă de texte în limbaj natural este internetul; de aceea, ontologiile sunt adesea considerate unul dintre instrumentele webului semantic și ale căutării semantice. Organizația W3C, care elaborează standarde pentru site-uri web, definește ontologia ca un set de termeni care descrie cunoștințele dintr-un anumit domeniu: „ontologiile sunt folosite de oameni, baze de date și aplicații care urmăresc să partajeze informații dintr-un anumit domeniu

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

informație <...>. Ontologiile conectează conceptele dintr-un anumit domeniu, adaptate pentru programele de calculator, și relațiile dintre acestea” (W3C).

Ontologia termenilor din domeniul educației și științei (în continuare, ontologia termenilor EȘ) a fost elaborată cu scopul de a formaliza setul de termeni EȘ creat în cadrul proiectului introductiv menționat anterior și de a-l completa cu relații semantice care pot fi interpretate de aplicații. Principalele activități de creare a ontologiei sunt descrierea calitativă a termenilor și conceptelor din domeniul ales și specificarea formală a semnificațiilor acestora. Aceste activități sunt importante pentru soluționarea problemei polisemiilor termenilor și pentru elaborarea unui model structural al terminologiei din domeniul EȘ. Ontologia termenilor EȘ a fost creată nu doar ca o taxonomie a termenilor EȘ, ci și ca una dintre resursele posibile pentru căutarea semantică.

Ontologia termenilor EȘ este disponibilă pe internet la adresa http://meta.vdu.lt/webprotege/, și este vizualizată cu ajutorul instrumentului WebProtege, care permite vizualizarea arborelui ierarhic al claselor, a atributelor acestora și a exemplelor de instanțe ale conceptelor. Utilizatorul își poate configura o interfață grafică convenabilă deschizând sau ascunzând file și panouri. Se recomandă utilizarea browserelor Chrome sau Mozilla Firefox. Pentru o reprezentare mai clară a relațiilor dintre termeni, se recomandă utilizarea Protege 4.3 cu extensia OntoGraf.

ALEGEREA METODOLOGIEI DE CREARE A ONTOLOGIEI TERMINOLOGIEI DIN EDUCAȚIE ȘI ȘTIINȚĂ

Conceptul generalizat de creare a ontologiilor este descris prin următorul metamodel al procesului (pentru detalii, a se vedea Cimiano 2006): M={D, LA, T, S, C, TR}, în care D reprezintă colectarea documentelor, LA – etichetele lingvistice, T – selectarea termenilor, S – identificarea sinonimelor, C – asocierea termenilor și a sinonimelor lor cu concepte, iar TR – definirea relațiilor semantice dintre concepte.

În funcție de metodologiile de creare a ontologiilor utilizate, se aplică strategii diverse de creare a ontologiilor: unele metodologii acordă o atenție mai mare ciclului de viață al ontologiei și creării prototipurilor (Cyc, TOVE, Methontology, On-To-Knowledge), în timp ce altele pun mai mult accent pe utilizarea ontologiilor în aplicații informatice (KAKTUS). Unele metode creează ontologii pornind de la corpusuri de texte compilate (TOVE, On-To-Knowledge), iar altele – pornind de la ontologii de cunoștințe generale de mari dimensiuni (SENSUS, Cyc) (pentru detalii, a se vedea Corcho et al. 2003).

În forma cea mai simplă, ontologiile sunt create în următoarele etape: se selectează domeniul de cunoștințe, se prelucrează informațiile (se definesc conceptele, termenii și restricțiile),

Terminologija | 2013 | 20 63

se specifică metodele de extindere a ontologiei și criteriile de evaluare, apoi se întocmește documentația ontologiei (pentru detalii, a se vedea Uschold et al. 1996). La crearea ontologiilor prin această metodă, nu se prevede elaborarea unor prototipuri ale ontologiei sau utilizarea ontologiilor ca surse suplimentare de informații. Aplicând această metodologie, au fost create câteva ontologii ale activităților economice, însă nu s-a prevăzut modul în care acestea ar putea fi utilizate în aplicații informatice.

Proiectul On-To-Knowledge a propus o metodologie care acordă cea mai mare atenție gestionării cunoștințelor și posibilităților de utilizare a viitoarei ontologii în sistemele informatice (pentru detalii, a se vedea Staab et al. 2001). În urma studiului de fezabilitate, au fost definite sursele de informații, potențialii utilizatori ai ontologiei și modalitățile de utilizare.

La dezvoltarea ontologiei On-To-Knowledge au participat experți din domeniul selectat; au fost prelucrate informațiile colectate din texte și din alte baze de cunoștințe. Calitatea ontologiei a fost evaluată verificându-se dacă aceasta îndeplinește cerințele și dacă poate fi adaptată pentru utilizările preconizate. Toate aceste etape de creare și dezvoltare a ontologiei pot fi considerate recomandări pentru elaborarea altor ontologii.

Metodologiile prezentate acordă cea mai mare atenție metodelor de creare a ontologiilor pornind de la surse de informații textuale. Metodologia ontologiei SENSUS propune utilizarea ontologiilor de cunoștințe generale în procesul de creare a unei ontologii de domeniu specializat (pentru detalii, a se vedea Gomez-Perez et al. 2004). Metodologia prevede gruparea termenilor din baza de cunoștințe OntoSaurus într-un arbore de concepte. Pentru a lega două clase de concepte, se caută o clasă de concept general (engl. root class).

La alegerea metodologiei de creare a ontologiei termenilor din educație și știință, s-au avut în vedere resursele informaționale disponibile și posibilitățile de aplicare a tehnologiilor lingvistice și a instrumentelor de creare a ontologiilor. S-a decis valorificarea experienței acumulate în proiectul Methontology (pentru detalii, a se vedea Mariano et al. 2004; Gomez-Perez et al. 2004; Corcho et al. 2003).

Aplicarea Methontology la crearea ontologiei termenilor din educație și știință și resursele pentru crearea ontologiei sunt prezentate în figura 1. În etapa de specificare se indică scopul și domeniul de cuprindere al ontologiei. Modelul conceptual al ontologiei este creat ținând cont de domeniul delimitat în timpul specificării, după care este formalizat – transformat într-un model formal al ontologiei. În cursul procesului de creare, modelul formal este implementat conform cerințelor limbajului de creare a ontologiilor selectat. Chiar și după creare, ontologia este adesea modificată, extinsă sau actualizată.

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 1. Procesele și resursele de creare a ontologiei termenilor din educație și știință (pe baza Methontology)

Aplicând modelul Methontology, s-au creat un glosar de termeni și o taxonomie a conceptelor, s-au stabilit relațiile dintre obiectele individuale ale ontologiei și s-a pregătit o bază de exemple de atribute, clase, clase abstracte, precum și atributele și relațiile acestora, în care se precizează în ce situații există conceptul ales și cu ce alte concepte este asociat; de asemenea, au fost descrise instanțele conceptelor.

Ontologiile descriu diferite entități din același domeniu specific: persoane (de exemplu, rector, student), locuri (de exemplu, universitate), procese (de exemplu, predare, instruire), rezultate ale proceselor (de exemplu, operă de artă, lucrare de licență) și altele. Toate acestea sunt denumite în ontologie concepte (în engleză concept), care pot exista ca unități informaționale autonome ale ontologiei sau pot fi grupate în clase de concepte (în engleză class).

Taxonomia conceptelor (în engleză concepts taxonomy) – clasificarea sistematică a conceptelor conform modelului conceptual ales al ontologiei – se construiește, de regulă, pornind de la un glosar de termeni (în engleză glossary of terms), înțeles aici ca o listă formală de termeni și definițiile acestora (pentru detalii, vezi Uschold et al. 2004).

În taxonomia clasică, o clasă este definită ca „un grup de instanțe similare, distinct de alte grupuri de indivizi” (pentru detalii, vezi Mayr 1987). Fiecare clasă a ontologiei este caracterizată de un set de proprietăți specifice numai ei (în engleză property) și de restricțiile acestora (în engleză restriction), set moștenit de toate instanțele unei anumite clase (în engleză instance, individual). O instanță este un exemplar concret al conceptului ales (de exemplu, Zigmas Lydeka este o instanță a conceptului rector).

Terminologija | 2013 | 20 65

Termenii ontologiei termenilor din educație și știință au fost identificați într-un corpus specializat cu ajutorul metodelor lingvistice (pentru detalii, vezi Grigonytė et al. 2011; Rimkutė 2012). Conceptele ontologiei și clasele de concepte au fost create printr-o strategie mixtă de jos în sus (în engleză down-top strategy) și de sus în jos (în engleză top-down strategy) (pentru detalii, vezi Uschold et al. 1996). Aplicând strategia de jos în sus, mai întâi sunt identificate conceptele cele mai specifice, care ulterior sunt înlocuite cu concepte mai abstracte. Aplicând strategia de sus în jos, mai întâi sunt definite conceptele abstracte, care ulterior sunt rafinate. În cadrul unei strategii mixte de construire a ontologiilor, mai întâi sunt examinate conceptele inițiale, iar apoi, în funcție de necesități, acestea sunt fie rafinate, fie generalizate.

În această etapă a creării taxonomiei termenilor ontologiei, un expert din domeniul educației și științei a participat activ. Acesta a grupat termenii pe domenii tematice și a creat modelul conceptual inițial al ontologiei.

La crearea taxonomiei conceptelor, se recomandă să se acorde o atenție deosebită următoarelor etape: alcătuirea unei liste de termeni și selectarea din aceasta a termenilor necesari, crearea unui model al conceptelor, elaborarea definițiilor și evaluarea termenilor (ISO 10241: 1992).

STRUCTURA ONTOLOGIEI TERMINILOR DIN EDUCAȚIE ȘI ȘTIINȚĂ

Una dintre provocările procesului de creare a ontologiilor este conceperea unei structuri de date de calitate, care să fie universală și adaptabilă la diferite sisteme de prelucrare a informațiilor, precum și compatibilă cu alte surse de cunoaștere. Elementul principal al ontologiei este lucrul (engl. thing), care abstractizează toate conceptele ontologiei. Necesitatea acestui element este explicată de definiția filosofică a ontologiei — ca știință care studiază ființa. Ontologia formalizează toate cunoștințele dintr-un anumit domeniu; prin urmare, un element indispensabil al acesteia este o clasă abstractă care generalizează toate conceptele unui domeniu specializat.

Conceptele, termenii și axiomele sunt principalele elemente conceptuale ale oricărei ontologii. Este important să se distingă semnificațiile termenului și ale conceptului. În standardul LST ISO 1087-1 (2005), conceptul este definit ca „[u]nitate de cunoaștere constituită dintr-o combinație unică de caracteristici”. Conceptul este independent de limbă și poate fi influențat doar de context. Termenul este identificatorul conceptului, adică „[d]enumirea verbală a unui concept general într-un domeniu specializat” (LST ISO 1087-1: 2005). Axiomele descriu restricțiile unui domeniu specific și stabilesc structura ierarhică a conceptelor ontologiei. Obiectele structurale formale ale ontologiei includ concepte, clase de concepte, instanțe ale claselor și conceptelor, proprietăți ale claselor, conceptelor și instanțelor, precum și relațiile și restricțiile care leagă toate obiectele ontologiei.

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 2. Structura ontologiei termenilor din educație și știință în funcție de domeniile modelului activităților de afaceri

La recomandarea expertului, toți termenii au fost grupați în trei clase abstracte: intrare, proces și ieșire (vezi fig. 2), caracteristice modelelor activităților de afaceri (pentru detalii, vezi ISO 9001: 2000). Clasa Intrare specifică cerințele, resursele și datele sistemului sau ale unei activități concrete. Din acest motiv, acestei categorii îi sunt atribuite grupurile de termeni infrastructură, instituție și participant. Procesele de activitate se împart în procese esențiale (clasa activitate), care creează valoare adăugată, și procese de susținere (clasa administrare), care consolidează activitatea proceselor principale și asigură infrastructura pentru procesele desfășurate. Ieșirea sintetizează eficiența și productivitatea procesului — indică ce rezultate ar fi putut fi obținute, ce rezultate au fost obținute și ce resurse au fost utilizate în acest scop (clasele producție științifică, producție de formare profesională, producție de studii și producție artistică). Fiecare clasă abstractă a domeniului poate avea subclase suplimentare specifice domeniului (după cum se vede în figura 3, subclasa clasei participant este administrator, iar această subclasă se subdivide în continuare). În total, ontologia termenilor din educație și știință cuprinde 29 de clase abstracte. Scopul lor principal este de a construi modelul conceptual general al ontologiei, conform strategiei menționate anterior, de sus în jos.

Terminologija | 2013 | 20

Fig. 3. Concepte generale ale clasei participantului și subclase abstracte în ontologia termenilor din educație și știință

Ontologia termenilor din educație și știință cuprinde 465 de concepte generale⁷, a căror ierarhie a fost creată cu ajutorul tiparelor de recunoaștere a contextelor definitorii (pentru detalii, vezi Bielinskienė et al. 2012). Contextele definitorii corespund parțial sau integral definițiilor termenilor și sunt alcătuite din concepte hiperonomice. De exemplu, conceptul student este definit ca persoană care studiază la o instituție de învățământ superior în cadrul unui program de studii universitare de licență. Iar studentul străin este un student care vine dintr-o altă țară la o instituție de învățământ superior dintr-o anumită țară pentru a urma un program complet de studii universitare de licență sau studii parțiale.

În ontologia termenilor științifici sunt definite următoarele relații taxonomice:

– subclasă a clasei (engl. subclass-of) – de exemplu, masterand este o subclasă a clasei student;

– descompunere disjunctă (engl. disjoint-decomposition) – de exemplu, producția de studii nu poate fi în același timp și lucrare de licență, și teză de doctorat;

– descompunere exhaustivă (engl. exhaustive-decomposition) – de exemplu, clasa cadru didactic include subclasele conferențiar, lector, profesor etc. Dacă un anumit obiect este un cadru didactic, acesta trebuie să aparțină cel puțin uneia dintre subclasele enumerate;

– partiție (engl. partition) – de exemplu, conceptul semestru de studii cuprinde conceptele semestru de primăvară și semestru de toamnă. Dacă este vorba despre un semestru de studii, acesta trebuie să aparțină uneia dintre subclasele enumerate.

⁷ În ontologie sunt incluși și acei termeni care nu se regăsesc în glosarul de termeni din educație și știință, adică cei care nu au fost definiți în detaliu.

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 4. Ierarhia taxonomică a conceptului student în ontologia termenilor din educație și știință

Deoarece principalul criteriu al calității unei ontologii este univocitatea termenilor, în crearea ontologiei termenilor din educație și știință s-a acordat multă atenție alcătuirii unui set de proprietăți ale conceptelor de bună calitate. Pentru determinarea setului de proprietăți ale claselor, conceptelor și entităților sunt potrivite șabloanele de recunoaștere a contextelor descriptive (pentru detalii, a se vedea Bielinskienė et al. 2012). Contextele descriptive indică natura conceptului analizat și relația acestuia cu alte componente ale sistemului.

Fig. 5. Posibilitățile de aplicare a atributului activ în ontologia termenilor din educație și știință⁸

Aceeași proprietate poate fi utilizată pentru a descrie mai multe concepte diferite. De exemplu, proprietatea activ este caracteristică pentru patru concepte: lucrare practică, formare practică, activitate practică, exerciții practice (a se vedea fig. 5). Prin urmare, este important să subliniem că un concept poate fi descris în mod calitativ numai printr-o anumită combinație unică de proprietăți.

⁸ Utilizând instrumentul Protege 4.3 pentru crearea și vizualizarea ontologiilor, nu a fost posibilă folosirea limbii lituaniene, prin urmare elementele structurale ale ontologiei (de exemplu, ObjectProperty, Domain) sunt prezentate în limba engleză.

Terminologija | 2013 | 20

Fig. 6. Setul de proprietăți și restricțiile acestora pentru conceptul de oră academică în ontologia termenilor din educație și știință

Fiecare proprietate poate avea restricții specificate sau relații cu alte concepte ori clase de concepte. De exemplu, ora academică este definită ca unitatea duratei activității de contact dintre cadrele didactice și studenți, egală cu 45 de minute. Definiția formală, ontologică a acestui concept specifică următorul set de proprietăți: ora academică este o subclasă a procesului; participanții sunt studenții și cadrul didactic; este un proces de contact, cu o durată definită prin constanta de 45 de minute (a se vedea fig. 6).

Entitățile moștenesc proprietățile claselor și conceptelor, restricțiile acestora și relațiile cu alte proprietăți — entitățile sunt instanțe ale unor clase și concepte concrete, caracterizate prin

Fig. 7. Arborele relațiilor dintre conceptele și entitățile ontologiei termenilor din educație și știință

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

cu aceleași proprietăți. De exemplu, dacă în ontologie se precizează că rectorul conduce universitatea, atunci instanța acestei noțiuni – Zigmas Lydeka – conduce VDU, adică instanța noțiunii universitate (a se vedea fig. 7).

Ontologia termenilor din educație și știință a fost creată în limbajul OWL cu instrumentul de creare a ontologiilor Protege 4.3, vizualizată folosind instrumentul WebProtege sau extensia OntoGraf⁹.

EVALUAREA ȘI APLICAREA ONTOLOGIEI TERMENILOR DIN EDUCAȚIE ȘI ȘTIINȚĂ

În prezent, ontologia termenilor din educație și știință cuprinde 29 de clase abstracte de concepte și 465 de concepte generale, 87 de proprietăți ale conceptelor, claselor de concepte și instanțelor acestora, 141 de instanțe și 296 de relații între clasele de concepte, conceptele și instanțele ontologiei.

Complexitatea ontologiei poate fi evaluată formal cu ajutorul metricilor logicii descriptive (engl. description logic) (pentru detalii, a se vedea Corcho et al. 2003; Baader 2003). Ontologia termenilor din educație și știință a fost evaluată la nivelul de complexitate ALCHON(D), unde:

– AL – limbajul atributelor; conceptele pot fi conectate și li se pot formula restricții universale;

– C – indică faptul că relațiile dintre concepte pot fi negate;

– H – indică faptul că se poate crea o ierarhie a rolurilor;

– O – restricții de cardinalitate (relații: exact unul, unul dintre mai multe);

– N – restricții de cardinalitate (relații: mai puțin, mai mult);

– (D) – proprietăți ale tipurilor de date.

Pe lângă vocabularul ontologiei, taxonomie și relațiile semantice, sunt evaluate posibilitățile de utilizare și aplicare ale acesteia. Limbajul OWL ales pentru crearea ontologiilor este potrivit pentru realizarea inferențelor semantice, completarea ontologiei cu concepte noi sau conectarea mai multor ontologii din domenii diferite. Modelul structural al termenilor din domeniul educației și științei a fost elaborat astfel încât fiecare concept din ontologie să fie descris printr-un set unic de proprietăți și relații semantice – această soluție ajută la rezolvarea problemei polisemiei termenilor. Această resursă a fost creată nu doar ca taxonomie a termenilor din domeniul educației și științei, ci și ca unul dintre instrumentele posibile pentru căutarea semantică și procesarea limbajului natural.

⁹ Mai multe informații: http://protege.stanford.edu.

Terminologija | 2013 | 20

Până acum s-a acordat multă atenție modului în care ontologiile pot fi aplicate la informatizarea limbajului natural, sistematizându-l și făcându-l inteligibil pentru programele de calculator. Poate că, la prima vedere, nu este foarte clar cum pot fi utile ontologiile lingviștilor sau specialiștilor din alte domenii. Trebuie subliniat că ontologiile sunt deosebit de utile terminologilor, deoarece, prin utilizarea instrumentelor de vizualizare a ontologiilor, relațiile dintre termeni pot fi observate cu claritate. Pentru a ilustra termenii, se pot selecta cuvinte concrete asociate termenilor respectivi și incluse în ontologie (numite în ontologie esiniais).

Atât dicționarul de termeni din domeniul educației și științei, cât și ontologia îi pot ajuta pe participanții din acest domeniu: cadre didactice universitare, profesori, angajați administrativi, studenți și elevi, deoarece aceste surse arată, de exemplu, cum sunt clasificați studenții, ce tipuri de studii există, din ce este alcătuită administrația instituțiilor de învățământ superior și așa mai departe.

OBSERVAȚII CONCLUSIVE

Articolul prezintă Dicționarul de termeni din domeniul educației și științei și Ontologia de termeni din domeniul educației și științei. Atât dicționarul, cât și ontologia au fost îmbunătățite. Cel mai mare avantaj și elementul distinctiv al ambelor resurse este faptul că au fost elaborate folosind principii ale lingvisticii de corpus și ale lingvisticii computaționale, încă puțin utilizate de terminologii lituanieni.

Dicționarul de termeni din domeniul educației și științei este disponibil online și cuprinde 224 de termeni formați din unul până la cinci cuvinte. Se deosebește de alte dicționare de termeni prin faptul că, pe lângă componentele obișnuite ale unui dicționar de termeni (termenii propriu-ziși, definițiile și echivalentele în limbi străine), include toate formele flexionare ale termenului, împreună cu frecvențele lor, exemple din corpusul de texte din domeniul educației și științei, colocări și concordanțe. Aceste date sunt importante deoarece utilizatorii dicționarului își pot forma o imagine cuprinzătoare asupra utilizării și contextului unui anumit termen și pot găsi caracteristici importante ale termenului care poate nu sunt menționate în definiție.

Ontologia de termeni din domeniul educației și științei, disponibilă online, dezvăluie relațiile semantice dintre termenii din acest domeniu și face aceste informații inteligibile pentru programele de calculator. Ontologiile pot fi deosebit de utile terminologilor care clasifică și descriu termenii dintr-un anumit domeniu și oferă exemple concrete.

Se speră că atât dicționarul de termeni din domeniul educației și științei, cât și ontologia vor constitui resurse importante din punct de vedere metodologic și îi vor încuraja pe terminologii lituanieni să valorifice mai mult posibilitățile oferite de corpusuri pentru a cerceta, descrie și clasifica termenii.

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

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]

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

Dicționarul și ontologia termenilor din educație și știință

INTRODUCERE

ETAPELE ELABORĂRII DICȚIONARULUI DE TERMENI DIN EDUCAȚIE ȘI ȘTIINȚĂ

STRUCTURA GLOSARULUI DE TERMENI DIN DOMENIUL EDUCAȚIEI ȘI ȘTIINȚEI

STUDII DE LICENȚĂ ★☆☆

Definiție

Exemple

Frecvență

Echivalențe

Domeniul de specialitate

Colocații

Concordanță6

CONCEPTUL DE ONTOLOGIE ȘI MOTIVELE CREĂRII ACESTEIA

ALEGEREA METODOLOGIEI DE CREARE A ONTOLOGIEI TERMINOLOGIEI DIN EDUCAȚIE ȘI ȘTIINȚĂ

STRUCTURA ONTOLOGIEI TERMINILOR DIN EDUCAȚIE ȘI ȘTIINȚĂ

EVALUAREA ȘI APLICAREA ONTOLOGIEI TERMENILOR DIN EDUCAȚIE ȘI ȘTIINȚĂ

OBSERVAȚII CONCLUSIVE

LITERATŪRA

ONTOLOGY AND DICTIONARY OF SCIENCE AND EDUCATION TERMS

Document details

Concordanță⁶