Improving Compatibility of Terminological Collections with a Bridging Classification of Data Categories

Βελτίωση της συμβατότητας των ορολογικών συλλογών μέσω μιας γεφυρωτικής ταξινόμησης των κατηγοριών δεδομένων IGOR KUDASHEV University of Helsinki Ε Ι Σ Α Γ Ω Γ Η Παρά την ύπαρξη ενός τυποποιημένου συνόλου κατηγοριών δεδομένων (ISO 12620:1999) και τυποποιημένων μεθόδων ορολογικής εργασίας (ISO 704:2000), εξακολουθεί να είναι δύσκολο να βρεθούν δύο ορολογικές βάσεις δεδομένων που δημιουργήθηκαν σε δύο διαφορετικούς οργανισμούς και οι οποίες θα μπορούσαν να συγχωνευθούν εύκολα χωρίς απώλεια δεδομένων ή αλλοίωση των αρχικών αρχών σύνταξης καθεμιάς από τις βάσεις δεδομένων. Οι πιο προφανείς λόγοι είναι οι εξής: οι εθνικές γλώσσες και παραδόσεις διαφέρουν· οι τομείς LSP διαφέρουν· το υπόβαθρο και οι προσεγγίσεις των συντακτών διαφέρουν· οι τεχνικές λύσεις διαφέρουν. Παράλληλα, μία από τις τάσεις στη διαχείριση ορολογικών πόρων και άλλων ειδών δεδομένων ήταν η συγκέντρωση διάσπαρτων πόρων σε μεγαλύτερες πύλες ή υπηρεσίες, συνήθως χωρίς τη φυσική συγχώνευσή τους. Ένα παράδειγμα είναι η πύλη EuroTermBank (http://www.eurotermbank.com), η οποία παρέχει αναζήτηση σε πολλαπλές εσωτερικές και εξωτερικές ορολογικές βάσεις δεδομένων και μπορεί να συγκεντρώνει τα αποτελέσματα. Καθώς αυξάνονται οι απαιτήσεις των χρηστών και ο όγκος των δεδομένων, καθίσταται αναγκαία η παροχή προηγμένης αναζήτησης που καλύπτει όλα τα πεδία της εγγραφής και όχι μόνο τις κεφαλίδες, καθώς και η προσαρμογή των εγγραφών στις προτιμήσεις των χρηστών. Σε αυτό το άρθρο προτείνουμε μια ταξινόμηση κατηγοριών δεδομένων που μπορεί να λειτουργήσει ως γέφυρα μεταξύ ορολογικών συλλογών. Η ταξινόμηση αντιμετωπίζει τα ακόλουθα προβλήματα που σχετίζονται με τη διαχείριση ορολογικών συλλογών με διαφορετικά σύνολα κατηγοριών δεδομένων: συγκέντρωση και συγχώνευση ορολογικών πόρων· οργάνωση αναζήτησης που καλύπτει όλα τα πεδία των εγγραφών· προσαρμογή των εγγραφών από πολλαπλές συλλογές σύμφωνα με τις προτιμήσεις των χρηστών. 36 Igor Kudashev | Improving Compatibility of Terminological... Μια ορολογική βάση δεδομένων μπορεί να περιέχει διαφορετικούς τύπους δεδομένων πέρα από τα καθαυτό ορολογικά δεδομένα, όπως πληροφορίες σχετικά με τις πηγές, τους χρήστες και τις συναλλαγές διαχείρισης ορολογίας. Σε αυτό το άρθρο εστιάζουμε στην ταξινόμηση των κατηγοριών δεδομένων που σχετίζονται με την περιγραφή των εκφράσεων LSP. ΤΙ ΕΙΝΑΙ ΜΙΑ ΚΑΤΗΓΟΡΙΑ ΔΕΔΟΜΕΝΩΝ; Διαφορετικοί τύποι δεδομένων τοποθετούνται σε διαφορετικά πεδία στις ορολογικές βάσεις δεδομένων. Η κατηγορία δεδομένων είναι το αποτέλεσμα του προσδιορισμού ενός δεδομένου πεδίου (ISO 1087-2:2000: 13). Οι ορολόγοι χρησιμοποιούν διαφορετικές μεταφορές για να εξηγήσουν την έννοια της κατηγορίας δεδομένων. Μία μεταφορά είναι η ντουλάπα, όπου διαφορετικά συρτάρια χρησιμοποιούνται για την αποθήκευση διαφορετικών ειδών ρούχων. Μια άλλη μεταφορά είναι το καλάθι αγορών, όπου κάθε είδος προϊόντος συσκευάζεται ξεχωριστά, ώστε να μη συγχέονται τα προϊόντα μεταξύ τους. ΣΥΝΗΘΕΙΣ ΑΣΥΜΦΩΝΙΕΣ ΜΕΤΑΞΥ ΚΑΤΗΓΟΡΙΩΝ ΔΕΔΟΜΕΝΩΝ Οι κατηγορίες δεδομένων είναι αποτέλεσμα της ταξινόμησης δεδομένων. Τα δεδομένα μπορούν να ταξινομηθούν με πολλούς διαφορετικούς τρόπους, ανάλογα με τις απόψεις του ταξινομητή και τις ανάγκες των χρηστών. Χρησιμοποιώντας τη μεταφορά της ντουλάπας, θα μπορούσε κανείς να πει ότι οι διαφορετικές ντουλάπες έχουν διαφορετικό αριθμό συρταριών, τα οποία μπορεί να έχουν διαφορετικό σχήμα, μέγεθος κ.λπ. Είναι δυνατοί τουλάχιστον έξι τύποι ασυμφωνιών μεταξύ κατηγοριών δεδομένων σε ορολογικές βάσεις δεδομένων: - ασυμφωνία ως προς τις ονομασίες των κατηγοριών δεδομένων· - ασυμφωνία ως προς τα «μεγέθη» των κατηγοριών δεδομένων, δηλαδή διαφορετική «διαβάθμιση»· - ασυμφωνία ως προς τις «θέσεις» των κατηγοριών δεδομένων, δηλαδή τη θέση τους στο σχήμα ταξινόμησης· - ασυμφωνία ως προς τις αρχές ταξινόμησης (επικάλυψη)· - ασυμφωνία ως προς το περιεχόμενο των κατηγοριών δεδομένων· - μικτές περιπτώσεις. Παρακάτω παρουσιάζονται μερικά παραδείγματα που καταδεικνύουν ορισμένες συνήθεις ασυμφωνίες. Περίπτωση 1: οι κατηγορίες δεδομένων έχουν διαφορετικές ονομασίες. Παράδειγμα: η κατηγορία δεδομένων ονομάζεται note σε μία βάση δεδομένων, comment σε μια άλλη, remark στην τρίτη και NB στην τέταρτη. Terminologija | 2009 | 16 37 Περίπτωση 2: το όνομα μιας κατηγορίας δεδομένων χρησιμοποιείται με διαφορετικές σημασίες. Παράδειγμα: η κατηγορία δεδομένων συνώνυμο μπορεί να αντιστοιχεί σε «πλήρες συνώνυμο», «σχεδόν συνώνυμο» ή «πλήρες ή σχεδόν συνώνυμο». Περίπτωση 3: τα ονόματα κατηγοριών δεδομένων είναι «ψευδόφιλοι». Παράδειγμα: τα αγγλικά abbreviation και acronym, όπως ορίζονται στο πρότυπο ISO (ISO 12620:1999: 6–7), και τα ρωσικά аббревиатура και акроним αντιστοιχούν μεταξύ τους διασταυρωτά (Kudashev & Hajutin 2003: 104–105). Περίπτωση 4: η διαβάθμιση των κατηγοριών δεδομένων διαφέρει. Παράδειγμα: η κατηγορία δεδομένων συντετμημένος τύπος όρου υποδιαιρείται σε πέντε υποκατηγορίες (συντομογραφία, σύντομος τύπος του όρου, αρχικογράφημα, ακρωνύμιο και αποκομμένος όρος) στο ISO 12620:1999, αλλά τέτοια διαίρεση δεν υπάρχει στο ISO 12616:2002 («Ορολογία προσανατολισμένη στη μετάφραση»). Περίπτωση 5: επικάλυψη κατηγοριών δεδομένων. Παράδειγμα: οι κατηγορίες δεδομένων παράδειγμα και συμφραζόμενα αλληλεπικαλύπτονται. Ορισμένα παραδείγματα είναι συμφραζόμενα και ορισμένα συμφραζόμενα μπορούν να λειτουργήσουν ως παραδείγματα, αλλά οι δύο κατηγορίες δεν είναι ταυτόσημες. Περίπτωση 6: η ίδια κατηγορία δεδομένων υπάγεται σε διαφορετικές ευρύτερες κατηγορίες. Παράδειγμα: η κατηγορία δεδομένων συμφραζόμενα θεωρείται δεδομένο σχετικό με την έννοια στο ISO 12620:1999, προφανώς επειδή τα συμφραζόμενα μπορούν να παρέχουν πρόσθετες πληροφορίες για την έννοια. Ωστόσο, συνηθέστερη λειτουργία των συμφραζομένων είναι να παρέχουν πληροφορίες σχετικά με τη χρήση των όρων και τις συμπαραθέσεις, γι’ αυτό «πολλές βάσεις δεδομένων ταξινομούν τα συμφραζόμενα ως κατηγορία σχετική με τους όρους» (ISO 12620:1999: 25). Περίπτωση 7: η γλώσσα, το σύστημα σημείων ή η σημειογραφία των δεδομένων διαφέρει. Παράδειγμα: ένα μέρος του λόγου μπορεί να κωδικοποιείται ως noun σε μία βάση δεδομένων, ως n. σε άλλη, ως subst. σε τρίτη και ως γραφικό σύμβολο σε τέταρτη. Περίπτωση 8: χρησιμοποιούνται πανομοιότυπες ή παρόμοιες τιμές κατηγοριών δεδομένων με διαφορετικές σημασίες και σε διαφορετικές συνδέσεις. Παράδειγμα: η τιμή νεολογισμός στην κατηγορία δεδομένων ISO 12620:1999 προέλευση του όρου ακούγεται σαν χρονολογική ετικέτα, ενώ στην πραγματικότητα αναφέρεται στη μεθοδολογία που χρησιμοποιήθηκε για τη δημιουργία του όρου. 38 Igor Kudashev | Improving Compatibility of Terminological... Περίπτωση 9: οι τιμές των ημίκλειστων κατηγοριών διαφέρουν λόγω διαφορετικής ταξινόμησης των γλωσσικών φαινομένων σε διαφορετικές γλώσσες και διαφορετικές παραδόσεις. Παράδειγμα: στο ISO 12620:1999 οι ετικέτες για την περιγραφή εκφράσεων ειδικής γλώσσας (LSP) που ανήκουν στο «χαμηλό ύφος» περιλαμβάνουν το slang register και το vulgar register. Αντιστοιχούν κατά προσέγγιση στις ετικέτες профессиональный жаргонизм (επαγγελματική αργκό) και профессиональное просторечие (επαγγελματική καθομιλουμένη) στα ρωσικά. Στα φινλανδικά, ωστόσο, υπάρχει μόνο μία κατηγορία, η ammattislangi (επαγγελματική αργκό· βλ. Sanastotyön käsikirja 1989: 12). Πρέπει επίσης να σημειωθεί ότι ορισμένα δεδομένα μπορεί να εκφράζονται έμμεσα σε ορολογικές συλλογές. Παράδειγμα 1: η παρουσία της ετικέτας obsolete σε ορισμένες περιπτώσεις και η απουσία της σε άλλες σε μια ορολογική συλλογή υποδηλώνουν ότι οι όροι που δεν φέρουν την ετικέτα ανήκουν στο ενεργό απόθεμα της ειδικής γλώσσας (LSP). Παράδειγμα 2: αν δύο ή περισσότεροι όροι καταχωρίζονται στην ίδια εγγραφή, αυτό συνήθως υποδηλώνει ότι είναι συνώνυμα ή ισοδύναμα. Η ανταλλαγή ή η συγκέντρωση ορολογικών πόρων ενδέχεται να απαιτεί τη ρητή αποτύπωση τέτοιων έμμεσων δεδομένων. Για παράδειγμα, αν τα δεδομένα αποθηκεύονται με τη μορφή οντολογίας και όχι στατικών εγγραφών, τότε οι έμμεσες πληροφορίες για τα συνώνυμα και τα ισοδύναμα που αναφέρθηκαν παραπάνω πρέπει να καταστούν ρητές και να αποθηκευτούν κατά την «αποσύνθεση» των εγγραφών. ΑΠΟΓΡΑΦΕΣ ISO ΚΑΙ ΤΑΞΙΝΟΜΗΣΕΙΣ ΚΑΤΗΓΟΡΙΩΝ ΔΕΔΟΜΕΝΩΝ Το ISO 12620:1999 καθορίζει ένα σύνολο κατηγοριών δεδομένων για την καταγραφή ορολογικών πληροφοριών. Δεν ορίζει ποιες κατηγορίες δεδομένων πρέπει να χρησιμοποιούνται, αλλά λειτουργεί ως απογραφή. Το σύνολο αυτό των κατηγοριών δεδομένων διευρύνεται στο έργο ISOcat (www.isocat.org), το οποίο τεκμηριώνει ευρέως αποδεκτές γλωσσικές κατηγορίες δεδομένων. Αν και το έργο ISOcat είναι αναμφίβολα χρήσιμο για τους γλωσσολόγους, καθώς τους δίνει τη δυνατότητα να κατηγοριοποιούν και να ορίζουν καλύτερα τις γλωσσικές έννοιες, καθώς και για τους σχεδιαστές τραπεζών όρων, οι οποίοι μπορούν να επιλέγουν έτοιμες κατηγορίες δεδομένων από μια εκτενή απογραφή, είναι απίθανο να δώσει λύση στο πρόβλημα της ανταλλαγής και συγκέντρωσης δεδομένων και της αναζήτησης πλήρων εγγραφών σε πολλαπλές βάσεις δεδομένων. Πρώτον, δεν μπορεί να εμποδίσει τους συντάκτες ορολογικών προϊόντων από Terminologija | 2009 | 16 39 ταξινομώντας τα δεδομένα με διαφορετικό τρόπο και χρησιμοποιώντας τις δικές τους κατηγορίες δεδομένων. Δεύτερον, όσο περισσότερες κατηγορίες δεδομένων χρησιμοποιούνται στις ορολογικές συλλογές, τόσο πιο ποικιλόμορφες γίνονται, καθιστώντας την ανταλλαγή δεδομένων ακόμη πιο δύσκολη. Ο κατάλογος των κατηγοριών δεδομένων είναι θεωρητικά άπειρος και στην πράξη αρκετά εκτενής. Για παράδειγμα, ο κατάλογος των κατηγοριών δεδομένων που σχετίζονται με την ορολογία στο απόθεμα ISOcat ήδη υπερβαίνει τα 500 στοιχεία. Μία από τις πρακτικές που χρησιμοποιούνται στο έργο ISOcat μπορεί να αυξήσει αυτόν τον αριθμό πολλές φορές. Αναφερόμαστε στην παρουσίαση των τιμών κλειστών και ημίκλειστων κλάσεων ως μεμονωμένων κατηγοριών δεδομένων. Για παράδειγμα, οι τιμές της κατηγορίας δεδομένων register, όπως οι vulgarRegister, slangRegister κ.λπ., παρουσιάζονται πλέον ως αυτοτελείς κατηγορίες δεδομένων. Ομοίως, η κατηγορία δεδομένων reliabilityCode διασπάται στις reliabilityCode1, reliabilityCode2 κ.λπ. Ενδέχεται να υπάρχουν διαφορετικές απόψεις ως προς το αν αυτό είναι εύλογο από πρακτική άποψη, αλλά τα δεδομένα μπορούν να οργανωθούν με πολλούς διαφορετικούς τρόπους, επομένως δεν υπάρχουν τυπικοί περιορισμοί ως προς τη διάσπαση των κατηγοριών δεδομένων μέχρι τις πρωτογενείς κλάσεις, οι οποίες μπορούν να δέχονται μόνο τις τιμές yes και no. Είναι, ωστόσο, σαφές ότι αυτό το πεδίο των κατηγοριών δεδομένων χρειάζεται κατάλληλη διάρθρωση και ταξινόμηση, ώστε να παραμείνει διαχειρίσιμο και καλά οργανωμένο. Εν τω μεταξύ, η ταξινόμηση των κατηγοριών δεδομένων που προτείνεται στο ISO 12620:1999 παρουσιάζει προβλήματα από διάφορες απόψεις. Καταρχάς, υπάρχουν ορισμένες ασυνέπειες σχετικά με τη βασική διαίρεση των δεδομένων. Σύμφωνα με την ενότητα 6.2 (Τυπολογία των κατηγοριών δεδομένων), οι κατηγορίες δεδομένων χωρίζονται σε τρεις κύριες ομάδες: όρος και πληροφορίες σχετικές με τον όρο, περιγραφικά δεδομένα και διοικητικά δεδομένα. Ωστόσο, στο Παράρτημα D (Συστηματική καταχώριση των κατηγοριών δεδομένων) η δεύτερη ομάδα ονομάζεται Κατηγορίες δεδομένων σχετικές με την περιγραφή εννοιών. Ταυτόχρονα, η ομάδα αυτή περιλαμβάνει την υποομάδα Σημείωση, η οποία «στέκει αυτοτελώς, επειδή μπορεί να συσχετιστεί με οποιαδήποτε από τις άλλες κατηγορίες και, επομένως, δεν μπορεί να υπαχθεί σε καμία άλλη συγκεκριμένη υποομάδα» (ISO 12620:1999: 4). Αν υποθέσουμε ότι η επιδιωκόμενη διαίρεση περιλάμβανε τέσσερις ομάδες: όρο και πληροφορίες σχετικές με τον όρο, πληροφορίες σχετικές με την έννοια, διοικητικά δεδομένα και Σημείωση, αυτή η ταξινόμηση εξακολουθεί να εγείρει πολλά ερωτήματα. Ενδεικτικά: - Γιατί τα παραδείγματα και τα συμφραζόμενα θεωρούνται δεδομένα σχετικά με την έννοια και όχι δεδομένα σχετικά με τον όρο; Βλ. την περιγραφή της κατηγορίας δεδομένων συμφραζόμενο: «Κείμενο ή μέρος κειμένου στο οποίο εμφανίζεται ένας όρος» (ISO 12620:1999: 25). - Γιατί τα συνώνυμα και η ισοδυναμία θεωρούνται δεδομένα σχετικά με τον όρο, ενώ όλα τα υπόλοιπα που σχετίζονται με τη σημασία θεωρούνται δεδομένα σχετικά με την έννοια; Βλ. την περιγραφή της κατηγορίας δεδομένων βαθμός ισοδυναμίας: «Ο βαθμός επικάλυψης των εντάσεων δύο ή περισσότερων εννοιών» (ISO 12620:1999: 21). 40 Igor Kudashev | Improving Compatibility of Terminological... Γιατί τα αντώνυμα και τα ομόγραφα θεωρούνται διοικητικά δεδομένα και όχι δεδομένα σχετικά με τον όρο ή την έννοια; Γιατί τα ηχητικά, τα βίντεο κ.λπ. θεωρούνται απλώς δεδομένα σχετικά με την έννοια; Ποιος είναι ο ακριβής ορισμός των διοικητικών δεδομένων; Γιατί αυτή η κλάση περιλαμβάνει τόσο ετερογενείς κατηγορίες; Η διαίρεση των ορολογικών δεδομένων σε δεδομένα σχετικά με την έννοια και σε δεδομένα σχετικά με τον όρο μπορεί να είναι χρήσιμη από τεχνική άποψη, επειδή υποστηρίζει την εννοιοκεντρική προσέγγιση, η οποία μειώνει τον αριθμό των σχέσεων μεταξύ όρων συνδέοντας συνώνυμους όρους με την ίδια έννοια. Ωστόσο, μια τέτοια διαίρεση γενικά, και ειδικότερα η εφαρμογή της στο ISO 12620:1999, μπορεί να αποτελέσει πρόκληση για τους συνήθεις χρήστες ορολογικών βάσεων δεδομένων —μεταφραστές και ειδικούς του πεδίου. Πράγματι, δεν είναι εύκολο να κατανοήσει κανείς γιατί πρέπει να αναζητά συνώνυμα στα δεδομένα που σχετίζονται με τον όρο, αλλά αντώνυμα στα διοικητικά δεδομένα και παραδείγματα στα δεδομένα που σχετίζονται με την έννοια. Οι συνήθεις χρήστες εργάζονται με όρους —λέξεις και συνδυασμούς λέξεων—, επομένως είναι πιο φυσικό γι’ αυτούς να μιλούν για τη σημασία ενός όρου, τα συνώνυμα ενός όρου, παραδείγματα χρήσης ενός όρου κ.λπ. Αυτό συνεπάγεται ότι η ταξινόμηση των κατηγοριών δεδομένων που αποσκοπεί στην παροχή αναζήτησης πλήρους εγγραφής σε πολλαπλές συλλογές θα πρέπει να είναι προσανατολισμένη στους όρους, διαισθητικά σαφής και να βασίζεται σε κοινές γλωσσικές κατηγορίες. ΓΕΦΥΡΩΣΗ ΑΣΥΜΦΩΝΙΩΝ ΜΕΤΑΞΥ ΚΑΤΗΓΟΡΙΩΝ ΔΕΔΟΜΕΝΩΝ Το πρόβλημα των ασυμφωνιών μεταξύ κατηγοριών δεδομένων μπορεί να επιλυθεί με τη βοήθεια αντιστοίχισης. Εάν οι ασυμφωνίες είναι ονομαστικές, για παράδειγμα, εάν διαφέρουν οι ονομασίες των κατηγοριών δεδομένων ή το ίδιο περιεχόμενο παρουσιάζεται με διαφορετικό τρόπο, μπορεί να χρησιμοποιηθεί άμεση αντιστοίχιση μεταξύ κατηγοριών δεδομένων. Μόλις εφαρμοστεί η άμεση αντιστοίχιση, είναι δυνατή η αναζήτηση στα δεδομένα του συγκεντρωτικού πόρου με την ίδια ακρίβεια όπως στις αρχικές βάσεις δεδομένων. Οι ουσιαστικότερες διαφορές μεταξύ κατηγοριών δεδομένων απαιτούν την εύρεση ενός κοινού παρονομαστή μέσω της αντιστοίχισης μεταξύ ταξινομήσεων συνόλων κατηγοριών δεδομένων. Η χρήση κοινού παρονομαστή μειώνει κάπως την ακρίβεια της αναζήτησης, αλλά αυτός είναι ο μόνος τρόπος για να παρέχεται κοινή αναζήτηση σε ορολογικούς πόρους με διαφορετική δομή. Εάν ο χρήστης δεν είναι διατεθειμένος να θυσιάσει την ακρίβεια της αναζήτησης, πρέπει να πραγματοποιήσει ξεχωριστή αναζήτηση σε κάθε μεμονωμένη συλλογή. Όπως και στην ανταλλαγή δεδομένων γενικά, η χρήση μιας ενδιάμεσης μορφής, δηλαδή μιας ταξινόμησης κατηγοριών δεδομένων-γέφυρας, είναι αποτελεσματικότερη μακροπρόθεσμα Terminologija | 2009 | 16 41 από τις πολλαπλές αντιστοιχίσεις μεταξύ διαφορετικών ταξινομήσεων. Οι γενικές αρχές της ταξινόμησης κατηγοριών δεδομένων που προορίζεται να λειτουργήσει ως κοινή διεπαφή μεταξύ άλλων ταξινομήσεων είναι οι εξής: 1. Καθώς οι κλάσεις της ταξινόμησης προορίζονται να λειτουργούν ως κοινοί παρονομαστές, πρέπει να βρίσκονται σε υψηλότερο επίπεδο αφαίρεσης από τις περισσότερες «πρωτογενείς» κατηγορίες δεδομένων, οι οποίες δεν υποδιαιρούνται περαιτέρω. Ταυτόχρονα, το επίπεδο αφαίρεσης δεν πρέπει να είναι υπερβολικά υψηλό, επειδή οι χρήστες δεν θα ενδιαφέρονταν για μια υπερβολικά γενική ταξινόμηση. Στην πράξη, αρκεί μια ταξινόμηση με δύο επίπεδα αφαίρεσης. 2. Η ταξινόμηση πρέπει να καλύπτει όλους τους τύπους εκφράσεων LSP που περιγράφονται συνήθως σε ορολογικές βάσεις δεδομένων, συμπεριλαμβανομένων των στοιχείων όρων, των κύριων ονομάτων, της ονοματολογίας, των στερεότυπων φράσεων κ.λπ. 3. Η ταξινόμηση πρέπει να περιλαμβάνει μόνο τις κατηγορίες δεδομένων που σχετίζονται άμεσα με την περιγραφή των εκφράσεων LSP. Η περιγραφή τεχνικών και διοικητικών πτυχών (π.χ. μέσο, κωδικοποιήσεις, πηγές, αξιοπιστία κ.λπ.) αποτελεί διαφορετικό έργο. 4. Η ταξινόμηση πρέπει να είναι ιεραρχική, αλλά πρέπει να επιτρέπονται περισσότερες από μία βάσεις διαίρεσης στο ίδιο επίπεδο αφαίρεσης. 5. Η ταξινόμηση πρέπει να είναι επεκτάσιμη, δηλαδή να περιλαμβάνει την κατηγορία «άλλο» σε κάθε επίπεδο της ιεραρχίας. Οι αρχές αυτές πρέπει να συνδυάζονται με την απαίτηση για φιλικότητα προς τον χρήστη που αναφέρθηκε παραπάνω. Κατά τη γνώμη μας, η ταξινόμηση που βασίζεται στις γλωσσικές λειτουργίες των δεδομένων αποτελεί ιδιαίτερα ισχυρή υποψήφια από αυτή την άποψη. Στην ταξινόμηση-γέφυρα που βασίζεται στις γλωσσικές λειτουργίες, το επίκεντρο μετατοπίζεται από τις ονομασίες των κατηγοριών δεδομένων στη λειτουργία ή στις λειτουργίες των δεδομένων που αυτές περιέχουν. Μια σύγκριση που μπορεί να γίνει εδώ είναι με μια βιβλιοθήκη που διαθέτει αλφαβητικό και θεματικό κατάλογο. Η αναζήτηση με βάση τις ονομασίες των κατηγοριών δεδομένων μοιάζει με την αναζήτηση μέσω αλφαβητικού καταλόγου. Ο τίτλος δίνει κάποια ένδειξη για το περιεχόμενο του βιβλίου, αλλά μερικές φορές μπορεί να είναι παραπλανητικός. Επιπλέον, οι χρήστες δεν μπορούν να μαντέψουν όλους τους πιθανούς τίτλους που καλύπτουν ένα συγκεκριμένο θέμα. Ο αλφαβητικός κατάλογος είναι χρήσιμος όταν οι χρήστες γνωρίζουν με βεβαιότητα ποιο στοιχείο ή ποια στοιχεία θέλουν να εντοπίσουν. Ωστόσο, οι περισσότεροι χρήστες βιβλιοθηκών ξεκινούν την αναζήτησή τους από τον θεματικό κατάλογο, επειδή δεν γνωρίζουν εκ των προτέρων ποια στοιχεία καλύπτουν το θέμα που τους ενδιαφέρει. Πύλη ορολογίας που συγκεντρώνει πολλαπλές ορολογικές συλλογές- 42 Igor Kudashev | Improving Compatibility of Terminological... Οι συλλογές με διαφορετικά σύνολα κατηγοριών δεδομένων δημιουργούν στους χρήστες το ίδιο πρόβλημα με τον κόσμο των βιβλίων στα ράφια μιας βιβλιοθήκης. Οι χρήστες γνωρίζουν τι είδους πληροφορίες τους ενδιαφέρουν (γραμματική, σημασία, χρήση κ.λπ.), αλλά δεν γνωρίζουν απαραίτητα σε ποιες κατηγορίες δεδομένων μπορούν να βρεθούν αυτές οι πληροφορίες. Σε διαφορετικές ορολογικές συλλογές, παρόμοιοι τύποι δεδομένων μπορεί να βρίσκονται σε διαφορετικά πεδία δεδομένων. Για παράδειγμα, πληροφορίες σχετικά με την περιφερειακή χρήση μιας έκφρασης LSP μπορεί να βρίσκονται σε πεδία όπως τα usage, regional label, language symbol κ.λπ. Όταν η αναζήτηση βασίζεται στις γλωσσικές λειτουργίες των δεδομένων, οι χρήστες δεν χρειάζεται να ενδιαφέρονται για τις ακριβείς ονομασίες των κατηγοριών δεδομένων. Απλώς προσδιορίζουν ότι αναζητούν πληροφορίες σχετικά με την περιφερειακή χρήση, τη σημασία ή τα συνώνυμα, και το σύστημα διαχείρισης ορολογίας εντοπίζει και εμφανίζει πλήρεις ή συντομευμένες εγγραφές σε διαφορετικές βάσεις δεδομένων που περιέχουν τον καθορισμένο τύπο πληροφοριών. Η αναζήτηση βάσει λειτουργίας μπορεί και πρέπει να συμπληρώνεται από αναζήτηση βάσει της ονομασίας των πεδίων για τους χρήστες που γνωρίζουν ακριβώς σε ποια πεδία θέλουν να αναζητήσουν. Τα πεδία δεδομένων, όπως και τα βιβλία της βιβλιοθήκης, μπορεί να περιέχουν διαφορετικά είδη γλωσσικών πληροφοριών. Για παράδειγμα, το example είναι ένα τυπικό πολυλειτουργικό πεδίο, το οποίο μπορεί να περιέχει πληροφορίες για τη μορφή, τη σημασία και τη χρήση ενός όρου, σε διαφορετικές αναλογίες. Κάθε κατηγορία δεδομένων μπορεί να περιγραφεί ως έχουσα μία ή περισσότερες λειτουργίες. Θα πρέπει επίσης να είναι δυνατό να προσδιορίζεται ο βαθμός στον οποίο μια συγκεκριμένη κατηγορία δεδομένων αντανακλά ορισμένες λειτουργίες. Αυτό το χαρακτηριστικό μπορεί να είναι λεκτικό (π.χ. πρωτεύουσα και δευτερεύουσα λειτουργία) ή αριθμητικό (π.χ. 0–100%). Ο ευκολότερος τρόπος αντιστοίχισης ενός συγκεκριμένου συνόλου κατηγοριών δεδομένων με την ενδιάμεση ταξινόμηση είναι να θεωρηθεί ομοιόμορφο το περιεχόμενο των πεδίων δεδομένων συγκεκριμένου τύπου και να καταρτιστεί ένας απλός πίνακας αντιστοιχίας. Μια ακριβέστερη, αλλά και πιο περίπλοκη, αντιστοίχιση θα επέτρεπε στους συντάκτες να προσδιορίζουν αποκλίσεις μεμονωμένων πεδίων δεδομένων από τις τιμές που χρησιμοποιούνται στον συνολικό πίνακα αντιστοιχίας. Για παράδειγμα, τα συμφραζόμενα παρέχουν συνήθως πληροφορίες για τη χρήση και τη σημασία του όρου. Είναι εύλογο να συμπεριληφθούν αυτοί οι τύποι πληροφοριών στον συνολικό πίνακα αντιστοιχίας, καθώς αφορούν κάθε πεδίο συμφραζομένων. Ωστόσο, ορισμένα συμφραζόμενα μπορεί επίσης να περιέχουν εγκυκλοπαιδικές πληροφορίες. Αυτή η περιστασιακή χρήση εγκυκλοπαιδικών πληροφοριών μπορεί να σημειώνεται τοπικά, στο επίπεδο του πεδίου. Terminologija | 2009 | 16 43 ΤΑΞΙΝΟΜΗΣΗ ΤΩΝ ΚΑΤΗΓΟΡΙΩΝ ΔΕΔΟΜΕΝΩΝ ΜΕ ΒΑΣΗ ΤΙΣ ΓΛΩΣΣΙΚΕΣ ΛΕΙΤΟΥΡΓΙΕΣ ΤΩΝ ΔΕΔΟΜΕΝΩΝ Καθώς οι εκφράσεις LSP είναι γλωσσικά σημεία, οι πληροφορίες γι’ αυτές μπορούν να διαχωριστούν σε πληροφορίες σχετικά με τη μορφή, τη σημασία, τη χρήση, τις σχέσεις με άλλες μονάδες, την προέλευση και την εξέλιξή τους. Παρακάτω περιγράφεται λεπτομερώς καθεμία από αυτές τις κατηγορίες και παρατίθενται ορισμένα παραδείγματα δεδομένων που ανήκουν σε αυτές. Βλ. το Appendix 1 για τη συνοπτική εκδοχή της ταξινόμησης. Δεδομένα σχετικά με τη μορφή Οι εκφράσεις LSP έχουν δύο μορφές – γραπτή και προφορική. Επιπλέον, τα δεδομένα που σχετίζονται με τη μορφή μιας έκφρασης LSP μπορούν να υποδιαιρεθούν σε τρεις κατηγορίες: - δεδομένα σχετικά με την κανονική μορφή· - δεδομένα σχετικά με τον σχηματισμό της μονάδας· - δεδομένα σχετικά με την κλίση της μονάδας. ΔΕΔΟΜΕΝΑ ΣΧΕΤΙΚΑ ΜΕ ΤΗΝ ΚΑΝΟΝΙΚΗ ΜΟΡΦΗ Η κανονική μορφή είναι η μορφή με την οποία καταχωρίζεται το λήμμα στη βάση δεδομένων. Λειτουργεί ως «αντιπροσωπευτική» για τις άλλες μορφές. Για παράδειγμα, στις περισσότερες ευρωπαϊκές γλώσσες η κανονική μορφή των ουσιαστικών είναι η ονομαστική ενικού και των ρημάτων το απαρέμφατο ενεστώτα. Ωστόσο, οι κανόνες επιλογής της κανονικής μορφής διαφέρουν ανάλογα με τη γλώσσα και τις λεξικογραφικές παραδόσεις. Ακολουθούν μερικά παραδείγματα δεδομένων που σχετίζονται με τη γραπτή κανονική μορφή: - τύπος έκφρασης βάσει της γραπτής μορφής της (π.χ. πλήρης μορφή, συντομογραφημένη μορφή, σύμβολο, τύπος κ.λπ.)· - ορθογραφία της μορφής· - ορθογραφικές παραλλαγές της μορφής· - συλλαβισμός. Παραδείγματα δεδομένων που σχετίζονται με την προφορική κανονική μορφή: - τύπος έκφρασης βάσει της προφορικής μορφής της (π.χ. αρχικογράφημα, ακρωνύμιο)· - προφορά· - παραλλαγές προφοράς της μορφής· - συλλαβισμός. Όπως μπορεί κανείς να διαπιστώσει, ορισμένες κατηγορίες δεδομένων μπορεί να σχετίζονται τόσο με τις γραπτές όσο και με τις προφορικές μορφές. Για παράδειγμα, η ένδειξη ότι μια συγκεκριμένη έκφραση είναι αρχικογράφημα, δηλαδή συντομογραφημένη μορφή αποτελούμενη από τα αρχικά γράμματα του πλήρους όρου, στα οποία τα γράμματα προφέρονται μεμονωμένα (π.χ. United Nations – UN), παρέχει πληροφορίες τόσο για τις γραπτές όσο και για τις προφορικές μορφές. Επιπλέον, μπορεί 44 Igor Kudashev | Improving Compatibility of Terminological... μπορεί να λεχθεί ότι παρέχουν πληροφορίες σχετικά με τον σχηματισμό, την προέλευση και την εξέλιξη των όρων. ΔΕΔΟΜΕΝΑ ΣΧΕΤΙΚΑ ΜΕ ΤΟΝ ΣΧΗΜΑΤΙΣΜΟ ΟΡΩΝ Παραδείγματα δεδομένων που σχετίζονται με τον σχηματισμό εκφράσεων ειδικής γλώσσας: - συστατικά και στοιχεία όρων; - μορφηματική δομή; - συντακτικό πρότυπο; - πρότυπο σχηματισμού όρων; - μέθοδος(-οι) σχηματισμού όρων; - μορφολογικές παραλλαγές; - παράγωγα. ΔΕΔΟΜΕΝΑ ΣΧΕΤΙΚΑ ΜΕ ΤΗΝ ΚΛΙΣΗ Παραδείγματα δεδομένων σχετικά με την κλίση εκφράσεων LSP: - γραμματικές παράμετροι (αριθμός, γένος, έμψυχο/άψυχο κ.λπ.)· - πλήρες ή μερικό παράδειγμα των τύπων· - πρότυπα κλίσης, συζυγίας κ.λπ. Δεδομένα σχετικά με τη σημασία Το μέρος αυτό της ταξινόμησης αρχίζει με μια μάλλον περιθωριακή κατηγορία, προκειμένου να διατηρηθεί η συνέπεια με τις άλλες ενότητες. Οι εκφράσεις LSP μπορούν να διαιρεθούν σε διάφορες τάξεις, ανάλογα με το πόσο η εσωτερική τους μορφή αντανακλά τη σημασία τους. Για παράδειγμα, μια παγιωμένη έκφραση αποτελεί μονάδα, της οποίας η σημασία δεν μπορεί να συναχθεί από τη συνδυασμένη σημασία των λέξεων που τη συνθέτουν. Επιπλέον, τα δεδομένα σχετικά με τη σημασία των εκφράσεων LSP μπορούν να διαιρεθούν σε δύο μεγάλες κατηγορίες. Η πρώτη είναι η λογική σημασία – περιγραφή της λογικής έννοιας που δηλώνεται από μια έκφραση LSP. Αυτός ο τύπος πληροφοριών παρέχεται συνήθως σε ορολογικούς ορισμούς και σε περιγραφές παρόμοιες με ορισμούς. Η δεύτερη κατηγορία περιλαμβάνει μάλλον ετερογενή συστατικά της σημασίας, τα οποία μπορούν να ονομαστούν συνειρμική σημασία. Τα συστατικά αυτά περιλαμβάνουν, για παράδειγμα: - διαφορετικές συνδηλώσεις, δηλαδή αξιολογικά συστατικά της σημασίας· - την εσωτερική μορφή της έκφρασης (την «κυριολεκτική» σημασία της ανά μορφήμα)· Terminologija | 2009 | 16 45 – άλλες σημασίες της ίδιας έκφρασης στη γλώσσα ειδικού σκοπού (LSP) ή στη γενική γλώσσα (LGP)· – συστατικά της σημασίας που προκύπτουν από αντώνυμες, συνώνυμες, παρώνυμες και άλλες συστηματικές σχέσεις της έκφρασης· – διάφορα είδη συνειρμών· – συστατικά της σημασίας που προκύπτουν από την ομοηχία, τις ρίμες κ.λπ. Ονομάζουμε αυτά τα συστατικά της σημασίας «επαγόμενα», επειδή προκύπτουν από τη στάση των χρηστών της γλώσσας απέναντι στα αντικείμενα που δηλώνονται από εκφράσεις της LSP, από τους συνειρμούς των χρηστών ή από τις σχέσεις μιας έκφρασης της LSP με άλλες γλωσσικές μονάδες. Με αυτή την έννοια, οι χρήστες της γλώσσας, άλλες γλωσσικές μονάδες ή και τα δύο «επαγάγουν» πρόσθετα συστατικά της σημασίας στην έκφραση της LSP. Για περισσότερες πληροφορίες σχετικά με την παρουσίαση του επαγόμενου νοήματος σε λεξικά LSP, βλ. (Kudashev 2006; Kudashev 2007: 254–258). Τα επαγόμενα συστατικά είναι ευπρόσδεκτα και μάλιστα καλλιεργούνται σκόπιμα όταν δημιουργούν θετικούς συνειρμούς και συνδηλώσεις ή επιτρέπουν στους χρήστες να εκφράζουν τη στάση τους απέναντι στο θέμα κατά την ανεπίσημη επικοινωνία. Ωστόσο, στις περισσότερες περιπτώσεις αποσπούν απλώς την προσοχή των χρηστών από τη λογική σημασία, η οποία υποτίθεται ότι βρίσκεται στον πυρήνα της επικοινωνίας LSP. Αυτός είναι πιθανότατα ένας από τους λόγους για τους οποίους τα συστατικά του επαγόμενου νοήματος έχουν παραμεληθεί σε μεγάλο βαθμό στη θεωρία της ορολογίας. Ωστόσο, η συνεκτίμησή τους αποτελεί σημαντική προϋπόθεση για την επιτυχή ορολογική ονοματοδοσία και την αποτελεσματική επικοινωνία LSP. Δεδομένα σχετικά με την εγκυκλοπαιδική περιγραφή Η εγκυκλοπαιδική περιγραφή παρέχει πληροφορίες για τα αντικείμενα που δηλώνονται από εκφράσεις της LSP, και στις περισσότερες περιπτώσεις αυτές οι πληροφορίες είναι εξωγλωσσικές. Ωστόσο, μερικές φορές δεν είναι εύκολο να χαραχθεί η διαχωριστική γραμμή μεταξύ της περιγραφής της έννοιας και της περιγραφής του αντικειμένου που δηλώνεται από μια έκφραση της LSP. Πολλές ορολογικές βάσεις δεδομένων περιλαμβάνουν ήδη πληροφορίες που λογίζονται ως εγκυκλοπαιδική περιγραφή, και το μερίδιο τέτοιων πληροφοριών αναμένεται να αυξηθεί στο μέλλον, καθώς διαφορετικοί τύποι προϊόντων αναφοράς τείνουν να συγκλίνουν (πρβλ. Hartmann 2001: 5). Για να αναγνωρίσουμε αυτό το γεγονός, αποφασίσαμε να συμπεριλάβουμε την εγκυκλοπαιδική περιγραφή στην ταξινόμηση των κατηγοριών δεδομένων που σχετίζονται με την περιγραφή των εκφράσεων της LSP. Δεδομένα σχετικά με τη χρήση Οι πληροφορίες σχετικά με τη χρήση φαίνεται να είναι το είδος πληροφοριών που ζητείται συχνότερα 46 Igor Kudashev | Improving Compatibility of Terminological... terminological data (Kudashev 2007: 207). It can be subdivided into two big categories: - περιορισμοί στη χρήση· - συχνότητα χρήσης. ΔΕΔΟΜΕΝΑ ΣΧΕΤΙΚΑ ΜΕ ΠΕΡΙΟΡΙΣΜΟΥΣ ΣΤΗ ΧΡΗΣΗ Η χρήση οποιασδήποτε έκφρασης της LSP περιορίζεται τουλάχιστον σε κάποια εθνική γλώσσα, γνωστικό πεδίο και χρονική περίοδο. Επιπλέον, η χρήση μπορεί να περιορίζεται σε συγκεκριμένη γεωγραφική περιοχή, επαγγελματική ομάδα, οργανισμό, γλωσσικό επίπεδο κ.λπ. Παρακάτω παρατίθεται ο κατάλογος των συχνότερων περιορισμών χρήσης, με λίγα παραδείγματα σε παρένθεση: - εθνική γλώσσα (en, fi, ru)· - γνωστικό πεδίο και υποπεδίο (φυσική – ατομική φυσική – φυσική υψηλών ενεργειών)· - επιστημονική σχολή/θεωρία (φυσική του Newton, φυσική του Einstein· δανικός στρουκτουραλισμός στη γλωσσολογία)· - χρονικός περιορισμός (παρωχημένος όρος, νεολογισμός, χρήση κατά τη διάρκεια του Β΄ Παγκοσμίου Πολέμου)· - γεωγραφικός περιορισμός (en-US, en-GB, διαλεκτική έκφραση)· - οργανωτικός περιορισμός (όρος που χρησιμοποιείται στη/από τη Nokia, τη Microsoft, τον UN, τον WHO)· - περιορισμός ιδιοκτησίας (εμπορικό σήμα, εμπορική ονομασία)· - περιορισμοί γλωσσικού επιπέδου (επίσημος όρος, ανεπίσημος όρος, επαγγελματική αργκό)· - περιορισμοί επαγγελματικής ομάδας (ιατροί, νοσηλευτές, βοηθοί ιατρών)· - συνδυαστικοί περιορισμοί (διεξάγω/εκτελώ/κάνω/ξεκινώ μια έρευνα)· - περιορισμοί συμμόρφωσης (τυποποιημένος, προτιμώμενος, συνιστώμενος, μη συνιστώμενος όρος). Οι δύο τελευταίοι τύποι περιορισμών πιθανότατα χρειάζονται λεπτομερέστερο σχολιασμό. Δεδομένα σχετικά με τους συνδυαστικούς περιορισμούς Η συνδυαστική ικανότητα είναι η δυνατότητα των γλωσσικών μονάδων να σχηματίζουν μεγαλύτερες μονάδες. Η συνδυαστική ικανότητα διακρίνεται σε σημασιολογική, λεξική και συντακτική. Η σημασιολογική συνδυαστική ικανότητα υποδηλώνει ότι οι εκφράσεις δεν περιέχουν αμφιλεγόμενα συστατικά στη σημασία τους. Η λεξική συνδυαστική ικανότητα εκδηλώνεται στη δυνατότητα των εκφράσεων να συνδυάζονται με ορισμένα άλλα λεξικά μέσα. Η συντακτική συνδυαστική ικανότητα είναι η δυνατότητα μιας έκφρασης να συνδυάζεται με συγκεκριμένες γραμματικές μορφές άλλων εκφράσεων και βοηθητικές λέξεις. Terminologija | 2009 | 16 47 Η συνδυαστική ικανότητα είναι η δυνατότητα μιας έκφρασης να συνδυάζεται με συγκεκριμένες γραμματικές μορφές άλλων εκφράσεων και βοηθητικές λέξεις. Οι συνδυαστικοί περιορισμοί περιγράφονται συνήθως με τη βοήθεια συντακτικών μοντέλων, παραδειγμάτων και συμφραζομένων. Δεδομένα σχετικά με τους περιορισμούς συμμόρφωσης Τα ορολογικά προϊόντα τείνουν να έχουν περισσότερο ή λιγότερο κανονιστικό χαρακτήρα. Αυτός ο κανονιστικός χαρακτήρας μπορεί να κυμαίνεται από συστάσεις των συντακτών ή των ειδικών του πεδίου με τους οποίους έχουν διαβουλευτεί έως την κανονιστική έγκριση. Σε κάθε περίπτωση, το ζήτημα αφορά τη συμμόρφωση μιας έκφρασης της LSP με ένα «καλό» ή «ορθό» ύφος (από την άποψη των συντακτών) και, στην περίπτωση των προτύπων, επίσης με κάποιο κανονιστικό έγγραφο. ΔΕΔΟΜΕΝΑ ΣΧΕΤΙΚΑ ΜΕ ΤΗ ΣΥΧΝΟΤΗΤΑ ΧΡΗΣΗΣ Οι πληροφορίες σχετικά με τη συχνότητα χρήσης μπορεί να βασίζονται σε δεδομένα σωμάτων κειμένων και να εκφράζονται αριθμητικά ή να αποτελούν περισσότερο ή λιγότερο υποκειμενική εκτίμηση που εκφράζεται λεκτικά (π.χ. χρησιμοποιείται συχνά – χρησιμοποιείται σπάνια – χρησιμοποιείται πολύ σπάνια). Δεδομένα που σχετίζονται με συστηματικές σχέσεις Με τον όρο συστηματικές σχέσεις εννοούμε τις οντολογικές σχέσεις (σχέσεις που περιέχουν γνώση για τον κόσμο), τις συστηματικές λεξικές σχέσεις και τις σχέσεις διαγλωσσικής ισοδυναμίας. Παρακάτω παρατίθενται παραδείγματα των συνηθέστερων συστηματικών σχέσεων: – συνωνυμικές σχέσεις· – αντωνυμικές σχέσεις· – ομωνυμικές σχέσεις· – παρώνυμες σχέσεις· – υπώνυμες σχέσεις· – μερωνυμικές σχέσεις· – μη ιεραρχικές οντολογικές σχέσεις (συσχετιστικές, διαδοχικές, χρονικές, αιτιακές κ.λπ.)· – σχέσεις (διαγλωσσικής) ισοδυναμίας. Οι σχέσεις που αφορούν τη λέξη-παραγωγή, την κλίση και τη συνδυαστική ικανότητα των εκφράσεων δεν ανήκουν σε αυτή την κατηγορία, επειδή δεν αποτελούν συστηματικές λεξικές σχέσεις. Δεδομένα σχετικά με την προέλευση και την εξέλιξη Αυτός ο τύπος δεδομένων είναι παρόμοιος με τα ετυμολογικά δεδομένα, αλλά δεν περιορίζεται σε αυτά. Μπορεί να περιλαμβάνει, για παράδειγμα: 48 Igor Kudashev | Improving Compatibility of Terminological... - πληροφορίες σχετικά με τις μορφές από τις οποίες πιστεύεται ότι προέρχεται μια συγκεκριμένη έκφραση LSP· - πληροφορίες σχετικά με τα στάδια εξέλιξης μιας συγκεκριμένης έκφρασης LSP· - πληροφορίες σχετικά με παλαιότερες μορφές, σημασίες, χρήσεις κ.λπ. μιας συγκεκριμένης έκφρασης LSP. ΣΥΜΠΕΡΑΣΜΑΤΑ Στο παρόν άρθρο συζητήσαμε τις αρχές ταξινόμησης δεδομένων που αποσκοπούν στη γεφύρωση των δομικών ασυμφωνιών μεταξύ κατηγοριών δεδομένων σε διαφορετικές ορολογικές συλλογές. Οι προβλεπόμενες εφαρμογές της ταξινόμησης περιλαμβάνουν τη συγκέντρωση και τη συγχώνευση ορολογικών δεδομένων, την οργάνωση αναζήτησης πλήρους καταχώρισης σε πολλαπλές ορολογικές συλλογές και την προσαρμογή των καταχωρίσεων σύμφωνα με τις προτιμήσεις των χρηστών. Οι δύο τελευταίες εργασίες απαιτούν η ταξινόμηση να είναι αρκετά απλή και διαισθητικά κατανοητή από τους συνήθεις χρήστες ορολογικών προϊόντων. Η ταξινόμηση με βάση τις γλωσσικές λειτουργίες των δεδομένων φαίνεται να είναι μία από τις καλύτερες επιλογές από αυτή την άποψη. Η αναζήτηση με βάση τις γλωσσικές λειτουργίες των δεδομένων συμπληρώνει αποτελεσματικά την αναζήτηση βάσει των ονομάτων των κατηγοριών δεδομένων και επιτελεί την ίδια λειτουργία με ένα θεματικό ευρετήριο σε μια βιβλιοθήκη. Στο παρόν άρθρο εστιάσαμε στην ταξινόμηση δεδομένων που σχετίζονται με την περιγραφή εκφράσεων LSP, καθώς πρόκειται για τον σημαντικότερο τύπο δεδομένων που παρουσιάζεται σε ορολογικές βάσεις δεδομένων. Ταξινομήσεις άλλων τύπων δεδομένων, όπως πληροφορίες σχετικά με πηγές, χρήστες και συναλλαγές διαχείρισης ορολογίας, θα είναι διαθέσιμες στις προδιαγραφές του έργου ContentFactory, το οποίο αποσκοπεί στον σχεδιασμό μιας πλατφόρμας βασισμένης σε οντολογία για κατανεμημένη συνεργατική ορολογική εργασία. Το έργο ολοκληρώνεται το 2010 και μεγάλο μέρος της εσωτερικής τεκμηρίωσής του θα δημοσιοποιηθεί. BIBLIOGRAPHY Hartmann R. R. K. 2001: Teaching and Researching Lexicography. New York: Longman. ISO 1087-2:2000 Terminology Work – Vocabulary. Part 2: Computer Applications. ISO 12616:2002 Translation-Oriented Terminography. ISO 12620:1999 Computer Applications in Terminology – Data Categories. ISO 704:2000 Terminology Work – Principles and Methods. Kudashev I. 2006: Additional Meaning Components of Terms and their Treatment in LSP Dictionaries. – Lehtinen, Esa – Niemelä, Nina (toim.) Erikoiskielet ja käännösteoria. VAKKI-symposiumi XXVI. Vaasa 11.–12.2.2006. Vaasa: Vaasan yliopisto, 143–149. Кудашев И. С. 2007: Проектирование переводческих словарей специальной лексики. Хельсинки: Yliopistopaino. Terminologija | 2009 | 16 49 Кудашев И. С., Хаютин А. Д. 2003: К вопросу о формах терминоэлементов и терминов. – Лексикология. Терминоведение. Стилистика: Сборник научных трудов, Москва, Рязань, 101–107. Sanastotyön käsikirja 1989: Sanastotyön käsikirja. Soveltavan terminologian periaatteet ja työmenetelmät / Toimittanut Tekniikan sanastokeskus. Helsinki: Suomen Standardoimisliitto. APPENDIX 1. CLASSIFICATION OF TERMINOLOGICAL DATA BASED ON ITS LINGUISTIC FUNCTIONS Values in angle brackets are candidates for the formal representation of the categories. These values are used in Appendix 2 for the sake of brevity. 1. Data related to form. <termForm> 1.1. Type of LSP expression by its form. <termForm: termType> 1.2.1. Data related to written form. <termForm: writtenForm> 1.2.2. Data related to oral form. <termForm: oralForm> 1.3.1. Data related to canonical form. <termForm: canonicalForm> 1.3.2. Data related to term formation. <termForm: termFormation> 1.3.3. Data related to inflection. <termForm: termInflection> 2. Data related to meaning. <termMeaning> 2.1. Type of LSP expression by correspondence of its meaning to its form. <termMeaning: termType> 2.2. Data related to logical meaning. <termMeaning: logicalMeaning> 2.3. Data related to induced meaning. <termMeaning: inducedMeaning> 3. Encyclopedic description. <termEncyclopedicDescription> 4. Data related to usage. <termUsage> 4.1. Data related to restrictions of usage. <termUsage: restrictions> 4.1.1. Data related to national language restrictions. <termUsage: restrictions: language> 4.1.2. Data related to domain restrictions. <termUsage: restrictions: domain> 4.1.3. Data related to scientific school or theory restrictions. <termUsage: restrictions: schoolOrTheory> 4.1.4. Data related to chronological restrictions. <termUsage: restrictions: chronological> 4.1.5. Data related to geographical restrictions. <termUsage: restrictions: geographical> 4.1.6. Data related to organizational restrictions. <termUsage: restrictions: organizational> 4.1.7. Data related to proprietary restrictions. <termUsage: restrictions: proprietary> 50 Igor Kudashev | Improving Compatibility of Terminological... 4.1.8. Data related to register restrictions. <termUsage: restrictions: register> 4.1.9. Data related to professional group restrictions. <termUsage: restrictions: professionalGroup> 4.1.10. Data related to combinatory restrictions. <termUsage: restrictions: combinatory> 4.1.11. Data related to compliance restrictions. <termUsage: restrictions: compliance> 4.2. Data related to frequency of use. <termUsage: frequency> 5. Data related to systematic relations. <termRelations> 5.1. Data related to synonymous relations. <termRelations: synonymousRelation> 5.2. Data related to antonymous relations. <termRelations: antonymousRelation> 5.3. Data related to homonymous relations. <termRelations: homonymousRelation> 5.4. Data related to paronymous relations. <termRelations: paronymousRelation> 5.5. Data related to generic relations. <termRelations: genericRelation> 5.6. Data related to partitive relations. <termRelations: partitiveRelation> 5.7. Data related to non-hierarchical ontological relations. <termRelations: non-hierarchicalOntologicalRelation> 5.8. Data related to equivalence relations. <termRelations: equivalenceRelation> 6. Data related to origin and development. <termOriginAndDevelopment> 7. Other types of data related to the description of an LSP expression <termOtherRelatedData> APPENDIX 2. EXAMPLE OF MAPPING OF SOME ISO 12620:1999 DATA CATEGORIES INTO THE FUNCTIONAL CLASSIFICATION OF TERMINOLOGICAL DATA See Appendix 1 for the decryption of the formal representation of the categories which are used for the sake of brevity. Question mark after a data category means that the presence of the specified kind of data is subject to the interpretation of the data category. If subcategories can be mapped in the exact same way as their parent category, only the parent category is described. Terminologija | 2009 | 16 51 Due to space limitations only the first subgroup of data categories from the ISO 12620:1999 standard is covered. A.1 term Note: term (headword) lies outside the scope of classification which covers data categories related to the description of LSP expressions. However, technically data category term is identical to the written form of the term. Functional classification: not applicable or <termForm: writtenForm> A.2.1 term type Note: in the ISO 12620:1999 standard this category includes various kinds of LSP expressions and may contain different types of data. See subcategories for more information. A.2.1.1 main entry term Note: information about the structure of the entry is not data related to the description of LSP expressions. However, this category indirectly reflects preference. Functional classification: not applicable or <termUsage: restrictions: compliance> A.2.1.2 synonym Note: when opposed to main entry term, this category reflects preference. Its primary function is, however, reflection of synonymous relations. Functional classification: <termRelations: synonymousRelation>; <termUsage: restrictions: compliance>? A.2.1.3 quasi-synonym Note: same as previous. Functional classification: <termRelations: synonymousRelation>; <termUsage: restrictions: compliance>? A.2.1.4 international scientific term Note: depending on the interpretation of this category and its contents, this data category may provide information about compliance, language restrictions, origination and development. Functional classification: <termUsage: restrictions: compliance>; <termUsage: restrictions: language>?; <termOriginAndDevelopment>? A.2.1.5 common name Note: common name is a synonym of an international scientific term that is used in general discourse. This data category may provide information about restrictions related to register, compliance and professional group. 52 Igor Kudashev | Improving Compatibility of Terminological... Functional classification: <termUsage: restrictions: register>; <termUsage: restrictions: compliance>; <termUsage: restrictions: professionalGroup>? A.2.1.6 internationalism Note: depending on the contents this data category may provide information related to language restrictions, term formation, origination and development. Functional classification: <termUsage: restrictions: language>; <termForm: termFormation>?; <termOriginAndDevelopment>? A.2.1.7 full form Note: this data category provides information about the type of term by its form. Functional classification: <termForm: termType> A.2.1.8 abbreviated form of term Note: depending on the contents, this data category and all its subcategories (A.2.1.8.1 abbreviation, A.2.1.8.2 short form of term, A.2.1.8.3 initialism, A.2.1.8.4 acronym and A.2.1.8.5 clipped term) may provide information related to type of term by its form, oral form; term formation, origin and development. Functional classification: <termForm: termType>; <termForm: oralForm>?; <termForm: termFormation>?; <termOriginAndDevelopment> A.2.1.9 variant Note: depending on the contents, this data category may provide information about preference, term formation, origin and development. Functional classification: <termUsage: restrictions: compliance>; <termForm: termFormation>?; <termOriginAndDevelopment>? A.2.1.10–A.2.1.14 (transliterated form, transcribed form, romanized form, symbol and formula) Note: these data categories provide information about the type of term by its form. Functional classification: <termForm: termType> A.2.1.15–A.2.1.17 (equation, logical expression, materials management categories) Note: these units can not be headwords in terminological databases. Functional classification: not applicable. A.2.1.18 phraseological unit Note: in ISO 12620:1999 this category is split into three subcategories: collocation, set phrase and synonymous phrase. Collocation can not be counted Terminologija | 2009 | 16 53 as a phraseological unit as it does not correspond to the definition of a phraseological unit provided in the standard. Synonymous phrase seems to be an unnecessary category. The same information can be expressed with two other data categories: set phrase and synonym. Functional classification: not applicable. A.2.1.18.1 collocation Note: this data category provides information about combinatory restrictions. Functional classification: <termUsage: restrictions: combinatory> A.2.1.18.2 set phrase Note: this data category provides information about the type of term by correspondence of its meaning to its form. Functional classification: <termMeaning: termType> A.2.18.3 synonymous phrase Note: as was stated above, this category is probably unnecessary. If used, it provides information about the type of term by correspondence of its meaning to its form and also about synonymous relations. Functional classification: <termMeaning: termType>; <termRelations: synonymousRelation> A.2.1.19 standard text Note: standard texts can not be headwords in terminological databases. Functional classification: not applicable. TERMINIJOS RINKINIŲ SUDERINAMUMO GERINIMAS TAIKANT DUOMENŲ KATEGORIJŲ KLASIFIKACIJĄ Viena iš informacijos ir ypač terminologijos išteklių plėtros tendencijų yra atskirų duomenų bazių jungimas į didelius portalus ir sąsajų tarp tokių portalų kūrimas. To pavyzdys gali būti EuroTermBankas (http://www.eurotermbank.com). Didėjant informacijos apimčiai ir vartotojų tokiems produktams keliamiems reikalavimams, auga poreikis užtikrinti išplėstinę paiešką, apimančią visus žodynų straipsnių laukus, ir galimybę pateikti tik tas informacijos kategorijas, kurios tuo metu domina vartotoją. Šiems uždaviniams spręsti reikalinga duomenų kategorijų klasifikacija, kurią būtų galima taikyti kaip terminologinių bazių, turinčių skirtingą struktūrą, „bendrą vardiklį“. Svarbus tokios klasifikacijos reikalavimas – jos paprastumas ir aiškumas paprastiems terminologijos produktų vartotojams. Straipsnyje aptariama lingvistinėmis duomenų funkcijomis paremta klasifikacija galėtų tapti tokiu „bendru vardikliu“. 54 Igor Kudashev | Improving Compatibility of Terminological... ИСПОЛЬЗОВАНИЕ МЕТАКЛАССОВ ДАННЫХ КАК СРЕДСТВО УЛУЧШЕНИЯ СОВМЕСТИМОСТИ ТЕРМИНОЛОГИЧЕСКИХ КОЛЛЕКЦИЙ Одной из тенденций развития информационных ресурсов в целом и терминологических в частности стало объединение разрозненных баз данных в крупные порталы и создание общих интерфейсов к ним. Примером может служить Евро-ТермБанк (http://www.eurotermbank.com). По мере роста объемов информации и требований пользователей к подобным продуктам растет потребность в обеспечении расширенного поиска, охватывающего все поля словарных статей, а также возможности отображения лишь тех категорий информации, которые в данный момент интересуют пользователя. Эти задачи требуют наличия классификации информационных категорий, которая могла бы служить «общим знаменателем» для терминологических баз с различной структурой. Немаловажным требованием к подобной классификации является ее простота и понятность для простых пользователей терминологических продуктов. В статье описывается один из возможных кандидатов на роль «общего знаменателя» – классификация, основанная на лингвистических функциях данных. Gauta 2009-10-14 Igor Kudashev University of Helsinki Palmenia Centre for Continuing Education P.O. Box 239 (Paraatikenttä 6) FIN-45100 Kouvola, Finland E-mail: [email protected] Terminologija | 2009 | 16 55