Ordbok och ontologi över termer inom utbildning och vetenskap

IRENA MARKIEVICZ, ERIKA RIMKUTĖ

Vytauto Didžiojo universitetas

NYCKELORD: korpus, termer inom utbildning och vetenskap, ontologi, ordbok

INLEDNING

Under 2010–2012 genomfördes vid Centrum för datorlingvistik vid Vytautas Magnus-universitetet ett projekt finansierat av Litauens forskningsråd: Automatisk identifiering av termer inom utbildning och vetenskap (ŠIMTAI 2). Projektets huvudsakliga mål var att pröva korpuslingvistiska metoder för att automatiskt eller halvautomatiskt identifiera termer, automatisera urvalet i korpusen av den information som behövs för att formulera termdefinitioner och därigenom underlätta terminologernas arbete. De viktigaste resultaten av undersökningen, utöver metodiken, är en specialiserad korpus för utbildning och vetenskap (nedan ŠM-korpusen; 4 miljoner ord), Ordbok över termer inom utbildning och vetenskap och Ontologi över termer inom utbildning och vetenskap, som utarbetats på grundval av denna specialiserade korpus.

Artikeln presenterar ordboken över ŠM-termer och ontologin över ŠM-termer. Den beskriver ordbokens struktur och hur den skiljer sig från andra termordböcker. Större uppmärksamhet ägnas åt ontologin över ŠM-termer. Här förklaras hur ontologier definieras inom olika vetenskapsgrenar, vad de behövs till och med vilka metoder de skapas. Ontologin över ŠM-termer diskuteras ingående; dess struktur presenteras, exempel ges och det förklaras hur denna resurs kan användas.

Båda arbetena – såväl ordboken över ŠM-termer som ontologin över ŠM-termer – har utarbetats med samma material, det vill säga en specialiserad ŠM-korpus, och med metoder från korpuslingvistik och datorlingvistik.

Med detta arbete vill vi presentera korpuslingvistikens och datorlingvistikens möjligheter inom terminologin och uppmärksamma terminologer och sammanställare av termordböcker eller databaser på att det åtminstone delvis är möjligt att automatisera termhanteringen och förena ett preskriptivt och ett deskriptivt tillvägagångssätt vid termanalys.

56

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

STEG I SAMMANSTÄLLNINGEN AV EN TERMORDLISTA FÖR UTBILDNING OCH VETENSKAP

Termerna i termordlistan för utbildnings- och vetenskapsområdet fastställdes i en specialiserad korpus med hjälp av lingvistiska metoder (se Grिगonytė et al. 2011; Rimkutė 2012 för en utförligare redogörelse). Sammanställningen av ordlistan tog två år, det vill säga så länge som det tidigare nämnda projektet pågick, och genomfördes i följande steg:

1) en specialiserad korpus för utbildnings- och vetenskapsområdet på 4 miljoner ord sammanställdes;

2) korpusen morfologiskt annoterades automatiskt;

3) ett verktyg för automatisk termextraktion, baserat på lingvistiska regler, utvecklades;

4) kriterier för urval av möjliga termer fastställdes;

5) omkring 11 000 möjliga termer bestående av ett till femton ord identifierades;

6) ytterligare urvalskriterier för möjliga termer tillämpades¹;

7) 780 termer inom utbildnings- och vetenskapsområdet (1–5 ord) identifierades;

8) en metod för att definiera termer med hjälp av korpusar utarbetades;

9) lingvistiska resurser som behövdes för att fastställa termdefinitioner utarbetades;

10) termer inom 300 utvalda grupper definierades;

11) motsvarigheter till de definierade termerna på engelska, tyska och franska angavs.

Det råder ingen tvekan om att sammanställningen av varje termordlista kräver mycket arbetstid från specialister och ekonomiska resurser. Denna artikel presenterar en termordlista för utbildnings- och vetenskapsområdet som, trots att den är liten – den innehåller 224 termer (se nästa avsnitt för en utförligare redogörelse) – är metodologiskt mycket komplex. Som framgår av de beskrivna stegen för sammanställningen av ordlistan behövdes särskilda verktyg² för att automatiskt identifiera och fastställa termer, även när en specialiserad korpus inom det aktuella området fanns tillgänglig³.

¹ Termer bestående av högst sju ord analyserades; även frekvensen beaktades: ju kortare termen var, desto oftare måste den förekomma. Exempelvis analyserades endast enordstermer som förekom minst 20 gånger, medan termer med sju ord måste förekomma minst två gånger.

² Att sammanställa korpusen var ett av de viktigaste och mest tidskrävande stegen i hela undersökningen. För att skapa en representativ korpus där termer kunde identifieras behövde texterna väljas ut omsorgsfullt, balanseras genremässigt och bearbetas tekniskt (överföras från PDF-filer till textfiler, ändra teckenkodning med mera).

³ I detta projekt utvecklades ett verktyg anpassat för litauiska för automatisk identifiering av termer, eftersom det, som framgår av tidigare experiment (se Grigonytė et al. 2011), på grund av skillnader i språkens struktur är nästan omöjligt att anpassa verktyg för termigenkänning avsedda för andra språk till litauiska. I verktyget användes lingvistiska regler: termer med vissa grammatiska strukturer söktes, till exempel adjektiv + substantiv, substantiv i genitiv + substantiv, particip + substantiv osv. Forskare inom lettiska använder liknande metoder för att identifiera termer (se Gornostay et al. 2012; Krugļevskis et al. 2005). Enligt dem är identifiering av termer med lingvistiska metoder (morfosyntaktisk analys) lämpligare än statistiska metoder som passar analytiska språk.

Terminologija | 2013 | 20

57

Det var också svårt att bland alla automatiskt identifierade meningsfulla uttryck med korrekt grammatisk struktur välja ut termer inom utbildning och vetenskap. Svårigheter uppstod eftersom hela 11 000 så kallade möjliga termer identifierades i en textkorpus med 4 miljoner ord. I nästa steg av undersökningen och sammanställningen av ordlistan var det viktigt att fastställa vilka av alla uttryck som var termer inom utbildning och vetenskap (problemet behandlas i Rimkutė 2012).

Det bör uppmärksammas att den presenterade ordlistan över termer inom utbildning och vetenskap har sammanställts på grundval av en korpus. Det innebär att man inte har använt den traditionella, fortfarande utbredda metoden för termhantering i Litauen, som grundar sig på terminologers sakkunskap och ibland är ganska subjektiv och preskriptiv, utan den deskriptiva metod för termanalys och definition som i modern terminologi anses överlägsen och bygger på korpusdata. Korpusar är mycket användbara vid sammanställning av ordlistor, eftersom man med hjälp av dem kan identifiera de mest typiska och frekventa mönstren för termanvändning, vilka är viktiga för att definiera betydelser och välja relevanta exempel.

På grund av den komplicerade metodiken för termdefinitioner beslutades att utförligt definiera 300 termer. Termer från vissa grupper valdes ut: termer med ordet akademinis (till exempel: akademinė laisvė, akademinė etika, akademinė valanda), med ordet darbas (till exempel: diplominis darbas, namų darbas, savarankiškas darbas), med ordet išsilavinimas (till exempel: universitetinis išsilavinimas, bendrasis išsilavinimas, aukštasis išsilavinimas), med ordet švietimas (till exempel: švietimo teikėjas, suaugusiųjų švietimas, neformalusis švietimas) osv. Även några vanliga enordstermer definierades: studentas, mokslininkas, universitetas osv.

Liksom i andra termordlistor anges i ordlistan över termer inom utbildning och vetenskap motsvarigheter för de flesta termer på engelska, tyska och franska. De har hämtats från godkända källor och dokument inom det definierade området samt från specialiserade termdatabaser: Anglų kalbos švietimo terminų žodyno (Glossary of Educational Terms), Aiškinamojo su studijomis susijusių terminų žodyno, Der Europäische Qualifikationsrahmen für lebenslanges Lernen, EuroVoc (Europeiska unionens flerspråkiga tesaurus), Lietuvos Respublikos terminų banko osv.

Främst har man utgått från utbildningsterminologin i Storbritannien, Frankrike och Tyskland, men betydelsen hos många översättningsmotsvarigheter är i dessa länders systemkontext inte helt densamma som hos de ursprungliga termer som används inom utbildning och vetenskap i Litauen. De termmotsvarigheter på främmande språk som anges i ordlistan är avsedda för Republiken Litauens vetenskaps- och utbildningssystem och kan inte alltid (eller endast delvis) användas för att beskriva ett annat lands vetenskaps- och utbildningssystem.

58

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

STRUKTUREN HOS ORDLISTAN ÖVER UTBILDNINGS- OCH VETENSKAPSTERMINOLOGI

Ordlistan över termer inom utbildning och vetenskap är fritt tillgänglig på internet på adressen http://daukantas.vdu.lt/moksliniai-terminai/. Här anges 224 termer, trots att det i föregående avsnitt står att 300 termer definierades. Antalet definierade termer och antalet termer i ordlistan skiljer sig åt eftersom det visade sig att vissa termer (till exempel: kvalifikacijos lygis / lygmuo; mokslo / mokslinis laipsnis; mokslo / mokslinė produkcija; magistrantūros / magistro studijos; studento mokymosi / darbo krūvis; valstybės / valstybinis mokslo institutas) används som synonymer och har liknande struktur; därför har sådana termer slagits samman.

Ordlistan över termer inom utbildning och vetenskap innehåller de delar som är nödvändiga i alla termordlistor, det vill säga själva termen och dess definition. Som nämnts anges motsvarigheter på engelska, tyska och franska. Även ämnesområden anges (till exempel förvaltning av högre utbildning, högre utbildningspolitik, administration av högre utbildning), liksom förkortningar för vissa termer.

Ordlistan skiljer sig från andra termordlistor och databaser genom att den också anger alla böjningsformer av termerna med deras frekvenser samt termens totala frekvens i korpusen för utbildning och vetenskap. För varje term finns minst två användningsexempel från korpusen för utbildning och vetenskap (exemplen är oredigerade och oförändrade, men ibland förkortade), vänster- och högerställda kollokationer⁴ samt en konkordans⁵.

Det fanns inte tillräckligt med information i korpusen för att definiera alla termer. En stjärna har markerats vid de termer vars definitioner det fanns för lite information för att formulera (till exempel: mokymo teikėjas, studento krepšelis, bazinis išsilavinimas).

Eftersom termerna hämtades ur en korpus var det känt hur ofta de förekom. Därför anges för alla termer en överenskommen frekvensklass i förhållande till andra termer:

★★★ anges vid de vanligaste termerna, som förekommer upp till 500 gånger i korpusen för utbildning och vetenskap;

★★☆ anges vid mindre vanliga termer, som förekommer 100–499 gånger i korpusen;

⁴ Detta är de kontextuella partner till den analyserade termen som fastställs statistiskt (utifrån frekvensen) och ofta förekommer intill termen till vänster och höger.

⁵ Detta är förekomster i korpusen av alla grammatiska former av den valda termen, presenterade i enradig kontext (en konkordansrad omfattar oftast mer än en mening). Konkordansen analyseras vanligen genom att man först läser den lodrätt, eftersom det är det enda sättet att urskilja typisk termanvändning. Den analyserade termen står i mitten av konkordansraden och är fetstilad. Ungefär 50 tecken från konkordansutdraget anges till vänster och höger om den analyserade termen. Om man vill se ett längre konkordansutdrag (ungefär 150 tecken till vänster och höger) klickar man på plustecknet i slutet av konkordansraden.

Terminologija | 2013 | 20

59

★☆☆ anges vid termer som förekommer 10–99 gånger i textkorpusen;

☆☆☆ anges vid sällsynta termer som förekommer färre än 10 gånger i textkorpusen.

Nedan presenteras artikeln för termen kandidatstudier som illustration av ordboken över utbildnings- och vetenskapsterminologi.

KANDIDATSTUDIER ★☆☆

Definition

Studier på högskolans första nivå som ger en allmän universitetsutbildning, grundläggande kunskaper inom den valda studieinriktningen samt en examen på kandidatnivå.

Exempel

Vid universitet i USA är det vanligt att mer begåvade studenter ges möjlighet att kombinera masterstudier med doktorandstudier, närmare bestämt att söka till doktorandstudier direkt efter kandidatstudierna (vilket i viss mån förklarar varför master- och doktorandstudierna sammanförs under en term – graduate studies, som bedrivs vid så kallade graduate schools) och avlägga en PhD-examen efter åtta års universitetsstudier.

Rekommenderad studietid tillsammans med kandidatstudierna – 5 år

Kandidatstudier (första nivån) varar vanligtvis 4 år (160 studiepoäng, heltidsstudier).

Kandidatstudier, masterstudier och doktorandstudier avslutas genom försvar av kandidat- respektive masteruppsats och doktorsavhandling.

Kandidatstudier är studier på den första nivån som ger en allmän universitetsutbildning och grundläggande kunskaper inom den valda studieinriktningen.

Frekvens

grundutbildning 21

med grundutbildning 6

i grundutbildningen 3

grundutbildningen 7

grundutbildningens 14

Total frekvens: 51

Motsvarigheter

Engelska: bachelor’s studies

Tyska: Bachelorstudium

Franska: études de licence

Ämnesområde

administration av högre utbildning

60

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Kollokater

Vänsterkollokater

Högerkollokater

PO

kandidatstudier

SU

med kandidatstudier

FÖRKORTA

kandidatstudierna

PROGRAMVARA

för kandidatstudier

kandidatstudier

FÖRSTA NIVÅN

kandidatstudier

MAGISTER- OCH DOKTORANDSTUDIER

Konkordans⁶

[1]

arbeta eller fortsätta och slutföra

kandidatstudierna.

Högskolans representanter skickade ut ett meddelande,

[2]

i länder som erbjuder sådana kandidatstudier.

Kandidatstudier

under höstterminen på fjärde året, medan masterstudierna

[3]

teologistudieprogrammet – 5 år); till

kandidatstudierna

antogs 1 870 studenter, medan universiteten år 2009

[4]

universiteten vågade förkorta till 3 respektive 3,5 år

kandidatstudierna,

meddelar att lagen om forskning och högre utbildning

[5]

universiteten vågade förkorta till 3 respektive 3,5 år

kandidatstudierna.

Kandidater i USA, för att börja masterstudier

[6]

kommissionernas krav: man måste ha avslutat

kandidatstudier,

om man söker till ett forskningsinriktat program,

[7]

år. Universiteten beslutade sig för att förkorta till högst 3 år

kandidatstudier.

Några universitet beslutade sig för högst 3 och 3,5 år

[8]

poäng (4,5 års) kandidatstudier.

kandidatstudier,

som pågår i 4 år (studier i katolsk teologi

[9]

studier som inte leder till examen. Rekommenderad period tillsammans med

kandidatstudier

– 5 år (3 + 2; 3,5 + 1,5; 4 + 1). Kandidat-

[10]

På uppmaning att jämföra dessa studier med sina egna

kandidatstudier

i USA märkte utlänningen att det är mycket lättare här.

⁶ Här visas endast de tio första raderna i konkordansen. På webbplatsen visas en längre konkordans när man klickar på plustecknet.

Terminologija | 2013 | 20

61

För vissa termer anges flera tusen konkordansrader. Det tar mycket tid att gå igenom en sådan mängd information, och dessa uppgifter är inte viktiga för alla. För den som vill veta mer om termens användning och det sammanhang där den valda termen används, kanske utforma en annan definition, välja ut nödvändiga exempel eller bilda sig en objektiv uppfattning, är konkordansen till stor nytta.

ONTOLOGIBEGREPPET OCH ORSAKER TILL ATT DE SKAPAS

I detta och följande avsnitt behandlas ontologin över utbildnings- och vetenskapsterminologi, principerna för dess utformning samt möjligheterna att använda denna och andra ontologier. För tydlighetens skull presenteras några visualiserade klassificeringar och resultat från ontologin över utbildnings- och vetenskapsterminologi.

Ontologier är formella verktyg för kunskapskonceptualisering som sammanfattar kunskap beskriven i naturligt språk i en strukturerad, hierarkisk modell av relaterade begrepp. Problem med informationsbehandlingens kvalitet och terminers mångtydighet skapar ett behov av att utforma strukturerade termbaser, med vilka datorprogram kan bearbeta människans naturliga språk (eng. natural language processing) och tolka dess semantik. Det är också därför ontologier skapas.

En person som behärskar ett visst språk uppfattar lätt innebörden i en text på naturligt språk som presenteras för honom eller henne, medan ett datorprogram tolkar samma information som en samling texttecken och tillhörande metataggar. Ontologier är den länk som omvandlar information skriven på naturligt språk till en konceptuell kunskapsmodell, som enkelt kan tolkas av robotar för informationsinsamling och informationsbehandling.

Utvecklingen av ontologier är en tvärvetenskaplig process som omfattar filosofi, lingvistik och datavetenskap (se närmare Grigonytė 2010). Inom filosofin betraktas ontologi som en disciplin som studerar varande och existens. Lingvister kompletterar denna definition av ontologi; inom lingvistiken är ontologi ett nätverk av enskilda begrepp och de termer som beskriver dem. Inom datavetenskap är ontologi en logisk och formell bild av verkligheten.

Den största och mest lättillgängliga källan till texter på naturligt språk är internet, och därför betraktas ontologier ofta som ett av verktygen för den semantiska webben och semantisk sökning. W3C, organisationen som utvecklar standarder för webbplatser, beskriver en ontologi som en uppsättning termer som beskriver kunskap inom ett visst område: ”ontologier används av människor, databaser och applikationer som strävar efter att dela kunskap inom ett visst område

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

information <...>. Ontologier knyter samman begrepp inom ett visst område, anpassade för datorprogram, och relationerna mellan dem” (W3C).

Ontologin över utbildnings- och vetenskapsterminologi (nedan kallad ontologin över utbildnings- och vetenskapsterminologi) har utformats för att formalisera den uppsättning termer inom utbildning och vetenskap som skapades inom ramen för det tidigare nämnda introduktionsprojektet och komplettera den med semantiska relationer som applikationer kan tolka. De viktigaste uppgifterna i ontologiarbetet är att på ett kvalitativt sätt beskriva termer och begrepp inom det valda området och formellt specificera deras betydelser. Dessa uppgifter är viktiga för att lösa problemet med termers mångtydighet och skapa en strukturell termmodell för området utbildning och vetenskap. Ontologin över utbildnings- och vetenskapsterminologi har skapats inte bara som en taxonomi över termer inom utbildning och vetenskap, utan också som en av de möjliga resurserna för semantisk sökning.

Ontologin över utbildnings- och vetenskapsterminologi finns tillgänglig på internet på adressen http://meta.vdu.lt/webprotege/, och visualiseras med verktyget WebProtege, med vilket man kan visa hierarkin över klasser, deras attribut och exempel på begreppsinstanser. Genom att öppna eller dölja nya flikar och paneler kan användaren skapa ett grafiskt gränssnitt som passar behoven. Vi rekommenderar webbläsarna Chrome eller Mozilla Firefox. För att relationerna mellan termerna ska visas tydligare rekommenderas Protege 4.3 med tillägget OntoGraf.

VAL AV METODIK FÖR ATT SKAPA EN ONTOLOGI ÖVER UTBILDNINGS- OCH VETENSKAPSTERMINOLOGI

Det generaliserade konceptet för ontologiskapande beskrivs av följande processmetamodell (se Cimiano 2006 för mer information): M={D, LA, T, S, C, TR}, där D står för insamling av dokument, LA för lingvistiska annoteringar, T för termurval, S för identifiering av synonymer, C för att koppla samman termer och deras synonymer till begrepp och TR för att definiera begreppens semantiska relationer.

Vid användning av olika metoder för ontologiskapande tillämpas olika strategier: vissa metoder lägger större vikt vid ontologins livscykel och utvecklingen av prototyper (Cyc, TOVE, Methontology, On-To-Knowledge), medan andra betonar användningen av ontologier i tillämpningsprogram (KAKTUS). Vissa metoder skapar ontologier utifrån insamlade textkorpusar (TOVE, On-To-Knowledge), andra utifrån stora allmänna kunskapsontologier (SENSUS, Cyc) (se Corcho et al. 2003 för mer information).

I sin enklaste form skapas ontologier i följande steg: kunskapsområdet väljs, informationen bearbetas (begrepp, termer och begränsningar definieras),

Terminologija | 2013 | 20 63

metoder för att utvidga ontologin och utvärderingskriterier anges, och ontologidokumentationen sammanställs (se Uschold et al. 1996 för mer information). När ontologier skapas med denna metod förutsätts det inte att prototyper av ontologin ska utvecklas eller att ontologierna ska användas som kompletterande informationskällor. Med denna metodik har flera ontologier för ekonomisk verksamhet skapats, men det anges inte hur de ska användas i tillämpningsprogram.

Projektet On-To-Knowledge föreslog en metodik med fokus på kunskapshantering och möjligheterna att använda den framtida ontologin i informationssystem (se Staab et al. 2001 för mer information). Efter en genomförbarhetsstudie identifierades informationskällor, potentiella användare av ontologin och användningsområden.

När ontologin On-To-Knowledge vidareutvecklades deltog experter inom det valda området, och information som samlats in från texter och andra kunskapsbaser bearbetades. Ontologins kvalitet bedömdes genom att kontrollera om den uppfyllde kraven och var lämplig för de avsedda tillämpningarna. Alla dessa steg i skapandet och vidareutvecklingen av ontologin kan betraktas som rekommendationer för att skapa andra ontologier.

De presenterade metodikerna fokuserar huvudsakligen på metoder för att skapa ontologier utifrån textbaserade informationskällor. SENSUS-metodiken för ontologiskapande föreslår att allmänna kunskapsontologier används när en ontologi för ett specialområde skapas (se Gomez-Perez et al. 2004 för mer information). Metodiken omfattar gruppering av termer från kunskapsbasen OntoSaurus till ett begreppsträd. När två begreppsklasser ska kopplas samman söker man efter en gemensam överordnad begreppsklass (eng. root class).

Vid valet av metodik för att skapa en ontologi över utbildnings- och vetenskapstermer beaktades tillgängliga informationsresurser samt möjligheterna att tillämpa språkteknologi och verktyg för ontologiskapande. Man beslutade att använda de erfarenheter som samlats inom projektet Methontology (se Mariano et al. 2004; Gomez-Perez et al. 2004; Corcho et al. 2003 för mer information).

Tillämpningen av Methontology för att skapa en ontologi över utbildnings- och vetenskapstermer och resurserna för ontologiskapande visas i figur 1. I specifikationsfasen anges ontologins syfte och omfattning. Ontologins konceptuella modell skapas med utgångspunkt i det område som avgränsats under specifikationsfasen; därefter formaliseras den och omvandlas till en formell ontologimodell. Under skapandeprocessen implementeras den formella modellen enligt kraven för det valda ontologispråket. Även en färdig ontologi ändras, utvidgas eller uppdateras ofta.

64

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 1. Processer och resurser för att skapa en termontologi för utbildnings- och forskningsområdet (baserat på Methontology)

Med hjälp av Methontology-modellen skapades en termglossar, en begreppstaxonomi, relationer mellan enskilda ontologiobjekt fastställdes och en bas med exempel på attribut, klasser, abstrakta klasser samt deras attribut och relationer utarbetades. I basen anges i vilka fall ett valt begrepp förekommer, vilka andra begrepp det är relaterat till, och dessutom beskrivs begreppens instanser.

Ontologier beskriver olika företeelser inom samma specifika område: personer (t.ex. rektor, student), platser (t.ex. universitet), processer (t.ex. undervisning, föreläsning), processresultat (t.ex. konstverk, kandidatuppsats) osv. Alla dessa benämns i ontologin som begrepp (eng. concept), vilka kan förekomma som en självständig informationsenhet i ontologin eller grupperas i begreppsklasser (eng. class).

En begreppstaxonomi (eng. concepts taxonomy) – en systematisk klassificering av begrepp enligt en vald konceptuell ontologimodell – skapas vanligtvis utifrån en termglossar (eng. glossary of terms), som här förstås som en formell förteckning över termer och deras definitioner (se vidare Uschold et al. 2004).

I den klassiska taxonomin definieras en klass som ”en grupp likartade instanser som skiljer sig från andra grupper av individer” (se vidare Mayr 1987). Varje ontologiklass kännetecknas av en uppsättning egenskaper (eng. property) som är specifika för just den klassen och deras begränsningar (eng. restriction), vilka ärvs av alla instanser (eng. instance, individual) i en viss klass. En instans är ett konkret exempel på ett valt begrepp (t.ex. Zigmas Lydeka är en instans av begreppet rektor).

Terminologija | 2013 | 20 65

Termerna i termontologin för utbildnings- och forskningsområdet identifierades i en specialiserad korpus med hjälp av lingvistiska metoder (se vidare Grigonytė et al. 2011; Rimkutė 2012). Ontologins begrepp och begreppsklasser utformades enligt en blandad strategi nedifrån och upp (eng. down-top strategy) och uppifrån och ned (eng. top-down strategy) (se vidare Uschold et al. 1996). Med nedifrån och upp-strategin identifieras först de mest specifika begreppen, som senare ersätts med mer abstrakta begrepp. Med uppifrån och ned-strategin definieras först abstrakta begrepp, som senare preciseras. När en blandad strategi för ontologikonstruktion tillämpas undersöks först de ursprungliga begreppen och, beroende på behoven, preciseras eller generaliseras de.

En expert inom utbildnings- och forskningsområdet deltog aktivt i detta skede av arbetet med att skapa ontologins termtaxonomi. Experten grupperade termerna efter ämnesområden och skapade en preliminär konceptuell ontologimodell.

När en begreppstaxonomi skapas rekommenderas att särskilt stor uppmärksamhet ägnas åt följande steg: sammanställa en termlista och välja ut de termer som behövs ur den, skapa en begreppsmodell, utarbeta definitioner och utvärdera termerna (ISO 10241: 1992).

UTBILDNINGS- OCH VETENSKAPSTERMINOLOGINS ONTOLOGISTRUKTUR

En av utmaningarna i processen att skapa ontologier är att skapa en högkvalitativ datastruktur som är universell och kan användas av olika informationsbehandlingssystem samt är kompatibel med andra kunskapskällor. Ontologins grundläggande element är tinget (eng. thing), som abstraherar ontologins alla begrepp. Nödvändigheten av detta element förklaras av den filosofiska definitionen av ontologi – som vetenskapen om varat. Ontologin formaliserar all kunskap inom ett visst område, och därför är ett nödvändigt element en abstrakt klass som sammanfattar alla begrepp inom det specialiserade området.

Begrepp, termer och axiom är de grundläggande konceptuella elementen i varje ontologi. Det är viktigt att skilja mellan termens och begreppets betydelser. I standarden LST ISO 1087-1 (2005) beskrivs begrepp som ”[e]n kunskapsenhet som består av en unik kombination av kännetecken”. Begreppet är oberoende av språket och kan endast påverkas av kontexten. Termen är en identifierare för begreppet, det vill säga ”[e]n verbal beteckning för ett allmänbegrepp inom ett särskilt fackområde” (LST ISO 1087-1: 2005). Axiom beskriver begränsningar inom ett specifikt område och bygger upp den hierarkiska strukturen för ontologins begrepp. Till ontologins formella strukturella objekt hör begrepp, begreppsklasser, instanser av klasser och begrepp, egenskaper hos klasser, begrepp och instanser, relationer som knyter samman ontologins alla objekt samt begränsningar.

66

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 2. Utbildnings- och vetenskapsterminologins ontologistruktur enligt affärsprocessmodellens områden

På rekommendation av experten har alla termer grupperats i tre abstrakta klasser: indata, process och utdata (se fig. 2), vilka är typiska för affärsprocessmodeller (se mer i ISO 9001: 2000). Klassen Indata anger systemets eller den specifika verksamhetens krav, resurser och data. Därför hör följande termgrupper till denna kategori: infrastruktur, institutioner och deltagare. Verksamhetsprocesser delas in i kärnprocesser (klassen verksamhet), som skapar mervärde, och stödprocesser (klassen administration), vilka förstärker kärnprocessernas verksamhet och tillhandahåller infrastruktur för de processer som genomförs. Utdata sammanfattar processens effektivitet och produktivitet – anger vilka resultat som kunde uppnås, vilka som uppnåddes och vilka resurser som användes för detta (klasserna vetenskapliga resultat, yrkesutbildningsresultat, studieresultat och konstnärliga resultat). Varje abstrakt klass inom ämnesområdet kan ha ytterligare underklasser inom ämnesområdet (som framgår av figur 3 är deltagare en underklass till klassen administratör, och denna underklass delas in ytterligare). Utbildnings- och vetenskapsterminologins ontologi innehåller sammanlagt 29 abstrakta klasser. Deras huvudsakliga syfte är att skapa en gemensam konceptuell ontologimodell enligt den tidigare nämnda strategin uppifrån och ned.

Terminologija | 2013 | 20

67

Fig. 3. Deltagarklassens allmänna begrepp och abstrakta underklasser i utbildnings- och vetenskapsterminologins ontologi

Utbildnings- och vetenskapsterminologins ontologi omfattar 465 allmänbegrepp⁷, vars hierarki har skapats med hjälp av mönster för identifiering av definierande kontexter (se mer i Bielinskienė et al. 2012). Definierande kontexter motsvarar delvis eller helt termdefinitioner och bildas av hyperonyma begrepp. Exempelvis definieras begreppet student som en person som studerar vid en högskola enligt ett program för grundläggande högskolestudier. En utländsk student är en student som har kommit från ett annat land till en högskola i ett visst land för att studera ett helt program för grundläggande högskolestudier eller bedriva utbytesstudier.

I vetenskapsterminologins ontologi anges följande taxonomiska relationer:

– underklass till klass (eng. subclass-of) – exempelvis är magisterstudent en underklass till klassen student;

– disjunkt uppdelning (eng. disjoint-decomposition) – exempelvis kan studieresultat inte samtidigt vara både ett examensarbete på kandidatnivå och en doktorsavhandling;

– fullständig uppdelning (eng. exhaustive-decomposition) – exempelvis omfattar klassen lärare underklasserna docent, lektor, professor med flera. Om ett visst objekt är en lärare måste det tillhöra minst en av de uppräknade underklasserna;

– partition (eng. partition) – exempelvis omfattar begreppet studietermin begreppen vårtermin och hösttermin. När det talas om en studietermin måste den tillhöra någon av de uppräknade underklasserna.

⁷I ontologin finns också termer som inte förekommer i utbildnings- och vetenskapsterminologins ordbok, det vill säga termer som inte har definierats utförligt.

68

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 4. Den taxonomiska hierarkin för begreppet studentas i ontologin över utbildnings- och vetenskapsterminologi

Eftersom det främsta kriteriet för ontologins kvalitet är entydighet hos termerna ägnades stor uppmärksamhet åt att skapa en väl sammansatt uppsättning egenskaper för begreppen när ontologin över utbildnings- och vetenskapsterminologi utvecklades. Mönster för identifiering av beskrivande kontexter lämpar sig för att fastställa uppsättningen egenskaper hos klasser, begrepp och instanser (se Bielinskienė et al. 2012 för en mer ingående behandling). Beskrivande kontexter anger den analyserade begreppets karaktär och dess samband med andra delar av systemet.

Fig. 5. Möjligheter att tillämpa attributet aktyvus i ontologin över utbildnings- och vetenskapsterminologi⁸

Med samma egenskap kan flera olika begrepp beskrivas. Exempelvis är egenskapen aktyvus karakteristisk för fyra begrepp: praktinis darbas, praktinis rengimas, praktinis užsiėmimas, pratybos (se fig. 5). Därför är det viktigt att betona att ett begrepp kan beskrivas väl endast med en viss unik kombination av egenskaper.

⁸ Med hjälp av ontologiverktyget Protege 4.3 för utveckling och visualisering fanns det ingen möjlighet att använda litauiska. Därför anges ontologins strukturella element (t.ex. ObjectProperty, Domain) på engelska.

Terminologija | 2013 | 20

69

Fig. 6. Uppsättningen egenskaper och begränsningar för begreppet akademisk timme i ontologin över utbildnings- och vetenskapsterminologi

Varje egenskap kan ha angivna begränsningar eller relationer till andra begrepp eller begreppsklasser. Exempelvis beskrivs akademinė valanda som en tidsenhet för lärarnas och studenternas kontaktarbete, lika med 45 minuter. Den formella, ontologiska definitionen av detta begrepp anger följande uppsättning egenskaper: akademinė valanda som en underklass till process; dalyviai är studenter och lärare; det är en kontaktprocess med en varaktighet, som definieras av konstanten 45 minuter (se fig. 6).

Instanserna – individer av specifika klasser och begrepp – ärver klassernas och begreppens egenskaper, deras begränsningar och relationer till andra egenskaper, och kännetecknas av

Fig. 7. Träd över relationerna mellan begrepp och instanser i ontologin över utbildnings- och vetenskapsterminologi

70

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

med samma egenskaper. Om ontologin till exempel anger att rektorius leder universitetui, så leder denna begrepps instans – Zigmas Lydeka – VDU, det vill säga instansen av begreppet universitetas (se fig. 7).

Ontologin över termer inom utbildning och vetenskap har skapats i OWL med ontologiverktyget Protege 4.3, visualiserats med hjälp av verktyget WebProtege eller tilläggsprogrammet OntoGraf⁹.

UTVÄRDERING OCH TILLÄMPNING AV ONTOLOGIN ÖVER TERmer INOM UTBILDNING OCH VETENSKAP

För närvarande omfattar ontologin över termer inom utbildning och vetenskap 29 abstrakta begreppsklasser och 465 allmänna begrepp, 87 egenskaper hos begrepp, begreppsklasser och deras instanser, 141 instanser samt 296 relationer mellan ontologins begreppsklasser, begrepp och instanser.

Ontologins komplexitet kan formellt bedömas med hjälp av mått inom beskrivningslogik (eng. description logic) (se vidare Corcho et al. 2003; Baader 2003). Ontologin över termer inom utbildning och vetenskap bedöms ligga på komplexitetsnivån ALCHON(D), där:

– AL – attributspråk; begrepp kan kopplas samman och universella begränsningar kan formuleras för dem;

– C – anger att relationer mellan begrepp kan negeras;

– H – anger att en rollhierarki kan skapas;

– O – kardinalitetsbegränsningar (relationer: exakt en, en av många);

– N – numeriska begränsningar (relationer: färre, fler);

– (D) – egenskaper hos datatyper.

Förutom ontologins ordförråd, taxonomi och semantiska relationer bedöms även dess användnings- och tillämpningsmöjligheter. Det valda språket OWL för att skapa ontologier lämpar sig för att dra semantiska slutsatser, komplettera ontologin med nya begrepp eller länka samman ontologier från flera olika områden. Den strukturella termmodellen för området utbildning och vetenskap har utformats så att varje ontologibegrepp beskrivs med en unik uppsättning egenskaper och semantiska relationer – en sådan lösning bidrar till att lösa problemet med termers mångtydighet. Resursen har skapats inte bara som en taxonomi över termer inom utbildning och vetenskap, utan också som ett av de möjliga verktygen för semantisk sökning och naturlig språkbehandling.

⁹ Mer information: http://protege.stanford.edu.

Terminologija | 2013 | 20

71

Hittills har stor uppmärksamhet ägnats åt hur ontologier kan användas vid datorisering av naturligt språk, för att systematisera det och göra det begripligt för datorprogram. Kanske är det inte helt klart vid första anblicken hur ontologier kan vara till nytta för lingvister eller specialister inom andra områden. Det bör betonas att ontologier är särskilt användbara för terminologer, eftersom sambanden mellan termerna tydligt framträder när man använder verktyg för att visualisera ontologier. För att illustrera termerna kan man välja konkreta ord som i ontologin förknippas med dessa termer (i ontologin kallade esiniais).

Både ordboken över utbildnings- och vetenskapstermer och ontologin kan vara till hjälp för aktörerna inom utbildnings- och vetenskapsområdet: föreläsare, lärare, administrativ personal, studenter och skolelever, eftersom dessa källor visar hur exempelvis studenter klassificeras, vilka slags studier som finns, hur högskolornas administration är uppbyggd och så vidare.

SAMMANFATTANDE ANMÄRKNINGAR

Artikeln presenterar ordboken över utbildnings- och vetenskapstermer och ontologin över utbildnings- och vetenskapstermer. Både ordboken och ontologin har vidareutvecklats. Den största fördelen och det mest utmärkande draget hos de båda källorna är att de har utarbetats med hjälp av principer från korpuslingvistik och datorlingvistik, vilka ännu används sparsamt av litauiska terminologer.

Ordboken över utbildnings- och vetenskapstermer finns tillgänglig på internet och omfattar 224 termer bestående av ett till fem ord. Den skiljer sig från andra termordböcker genom att den, utöver de vanliga delarna i en termordbok (själva termerna, definitioner och motsvarigheter på främmande språk), innehåller alla böjningsformer av varje term tillsammans med frekvenser, exempel från en korpus med utbildnings- och vetenskapstexter, kollokationer och konkordanser. Dessa uppgifter är viktiga eftersom ordbokens användare kan få en heltäckande bild av hur en viss term används och i vilket sammanhang; de kan också hitta viktiga egenskaper hos termen som eventuellt inte nämns i definitionen.

Ontologin över utbildnings- och vetenskapstermer, som finns tillgänglig på internet, visar vilka semantiska relationer som finns mellan termerna inom utbildning och vetenskap och gör denna information begriplig för datorprogram. Ontologier kan vara särskilt användbara för terminologer som klassificerar och beskriver termer inom ett visst område och ger konkreta exempel.

Förhoppningen är att både ordboken över utbildnings- och vetenskapstermer och ontologin ska bli metodologiskt viktiga resurser och uppmuntra litauiska terminologer att i större utsträckning utnyttja de möjligheter som korpusar erbjuder för att undersöka, beskriva och klassificera termer.

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