European Language Equality in the Digital Age: The Case of Lithuania

ANŽELIKA GAIDIENĖ Institutul Limbii Lituaniene ORCID id: orcid.org/0000-0001-8775-788X Domenii de cercetare: semantică, lexicologie, lexicografie, lingvistică computațională. AURELIJA TAMULIONIENĖ Institutul Limbii Lituaniene ORCID id: orcid.org/0000-0003-0728-1856 Domenii de cercetare: limba copiilor și a tinerilor, preferințe lingvistice, lingvistică computațională. DOI: doi.org/10.35321/all86-08 EGALITATEA LIMBILOR EUROPENE ÎN ERA DIGITALĂ: CAZUL LITUANIEI Egalitatea limbilor europene în era digitală: cazul Lituaniei REZUMAT Articolul abordează situația actuală a tehnologiilor lingvistice lituaniene și prezintă situația egalității limbilor europene în mediul digital. Acesta examinează indicatorii cantitativi și calitativi care evidențiază egalitatea lingvistică în contextul Uniunii Europene, ținând cont de numărul de vorbitori, de resursele și tehnologiile lingvistice digitale și de sprijinul acordat acestora, cu un accent special pe cazul Lituaniei. Articolul își propune să prezinte lucrările deja realizate în domeniul tehnologiilor lingvistice și să identifice lacunele și provocările care trebuie încă abordate în cazul limbii lituaniene, ca limbă națională oficială și limbă oficială a UE. Acesta oferă cea mai recentă imagine de ansamblu asupra situației tehnologiilor lingvistice lituaniene prin analiza resurselor lingvistice digitale și a instrumentelor/serviciilor. Rezultatele arată că, deși în ultimii zece ani au avut loc numeroase schimbări, există încă o insuficiență a resurselor lingvistice în educație și în alte domenii. CUVINTE-CHEIE: limbi europene, resurse lingvistice, instrumente/servicii lingvistice, egalitate lingvistică, tehnologii lingvistice. 184 Acta Linguistica Lithuanica LXXXVI European Language Equality in the Digital Age: The Case of Lithuania REZUMAT Articolul prezintă situația tehnologiilor pentru limba lituaniană și face cunoscută situația egalității limbilor europene în mediul digital. Sunt analizați indicatorii cantitativi și calitativi care reflectă egalitatea lingvistică în contextul Uniunii Europene, ținând seama de numărul vorbitorilor, de resursele și tehnologiile lingvistice digitale și de sprijinul acordat acestora, cu o atenție deosebită acordată analizei cazului Lituaniei. Scopul articolului este de a evidenția activitatea desfășurată până în prezent în domeniul tehnologiilor lingvistice și de a scoate în evidență lacunele și provocările cu care se confruntă și pe care trebuie să le soluționeze limba lituaniană, limbă națională oficială și limbă oficială a Uniunii Europene. Articolul oferă cea mai recentă prezentare generală a situației tehnologiilor pentru limba lituaniană, prin analiza resurselor lingvistice digitale și a instrumentelor / serviciilor. Rezultatele arată că, deși în ultimii 10 ani au avut loc numeroase schimbări, resursele din domeniul educației și din alte domenii sunt încă insuficiente. CUVINTE-CHEIE: limbile europene, resurse lingvistice, instrumente / servicii lingvistice, egalitatea limbilor, tehnologii lingvistice. INTRODUCERE Tehnologiile lingvistice sunt interconectate și afectează direct și indirect numeroase activități cotidiene: munca, educația, comunicarea etc. Limba stă la baza majorității resurselor digitale: dispozitive mobile, rețele sociale, asistenți virtuali, instrumente de traducere, verificatoare ortografice etc. (Pastor et al. 2017: 19). În mod firesc, aceste progrese nu aduc beneficii tuturor cetățenilor lituanieni în mod egal. Trebuie să recunoaștem că tehnologiile adaptate limbii lituaniene sunt încă insuficiente, iar vorbitorii trebuie adesea să recurgă la limba engleză. Acest aspect este deosebit de important atunci când se evaluează viabilitatea și forța unei limbi, deoarece lipsa tehnologiilor lingvistice poate duce, în cele din urmă, la declinul utilizării limbii. Situația tehnologiilor pentru limba lituaniană nu răspunde încă tuturor nevoilor. Potrivit datelor din 2021 ale Departamentului de Statistică al Lituaniei, în grupa de vârstă 16–74 de ani, aproape 87% din populația Lituaniei utilizează Internetul (față de aproape 64,1% în 2011 și 74,4% în 2016), procentul ajungând la 100% în grupa de vârstă 16–24 de ani și la 55,2% în grupa de vârstă 65–74 de ani.¹ Potrivit datelor din 2021, 81,4% dintre gospodării au un calculator personal, iar 86,6% au acces la Internet.² Internetul este utilizat în principal pentru căutarea de informații, comunicare, petrecerea timpului liber și operațiuni bancare: 79% din populația cu vârsta între 16 și 74 de ani utilizează ¹ Disponibil la: https://osp.stat.gov.lt/statistiniu-rodikliu-analize?hash=b3603975-ca07-47cb-aaaf-bc3a3a403a1f#/. ² Disponibil la: https://osp.stat.gov.lt/lietuvos-statistikos-metrastis/lsm-2019/mokslas-ir-technologijos/informacines-technologijos. Straipsniai / Articles 185 ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ internetul pentru comunicare; 74% citesc știrile; 71% folosesc internetul pentru timpul liber (vizionează filme sau emisiuni TV, ascultă muzică, redau sau descarcă înregistrări, se joacă); 68% folosesc servicii bancare online. Între timp, 27% din populație utilizează internetul pentru învățare, dezvoltare profesională sau autoeducație.³ Conform datelor din 2021, 82,2% dintre persoanele cu vârste între 16 și 74 de ani folosesc internetul în scopuri personale; de exemplu, 65,2% comunică pe rețelele sociale, iar 70,5% din populație socializează în timp real (de exemplu, prin Skype, Messenger, WhatsApp, Viber, Snapchat).⁴ În 2021, au fost înregistrate aproximativ 225 000 .lt domenii (comparativ cu aproximativ 139 000 în 2012 și aproximativ 188 000 în 2018), dintre care peste 2 000 conțin litere cu semne diacritice lituaniene (ė, ž etc.). În plus, Lituania rămâne printre liderii în domeniul internetului prin fibră optică. În Lituania, acoperirea rețelei de fibră optică ajunge la 46,8%.⁵ La 13 octombrie 2020, Seimasul Republicii Lituania a aprobat un document important pentru limba lituaniană și viitorul acesteia, Orientările pentru dezvoltarea limbii lituaniene în mediul digital și progresul tehnologiilor lingvistice pentru perioada 2021–2027.⁶ Orientările au fost elaborate de un grup de lucru constituit de Comisia de Stat pentru Limba Lituaniană. Aceste Orientări trebuie să contribuie la garantarea utilizării depline a limbii lituaniene în mediul digital și la stabilirea și menținerea statutului limbii lituaniene în societatea informațională. Pentru aceasta este necesară creșterea resurselor lingvistice digitale – corpusuri de texte și înregistrări, dezvoltarea tehnologiilor lingvistice și crearea unor servicii publice bazate pe acestea, astfel încât niciun grup social sau nicio regiune să nu resimtă decalajul digital, iar limbile străine să se poată integra mai ușor în societatea lituaniană. Tehnologiile lingvistice trebuie să contribuie la consolidarea legăturilor dintre societatea lituaniană și diaspora și la reducerea excluziunii comunității vorbitoare de lituaniană în societatea globală a cunoașterii (Jaroslavienė, Miliūnaitė 2020). Orientările stabilesc sarcinile esențiale sau provocările tehnologiilor lingvistice lituaniene. Acestea prevăd ce ar trebui făcut în Lituania în viitorul apropiat și direcțiile în care trebuie să se acționeze: 1. Creșterea competenței specialiștilor care activează în domeniul tehnologiilor lingvistice și sporirea capacității societății de a utiliza oportunitățile oferite de tehnologiile lingvistice. ³ Disponibil la: https://osp.stat.gov.lt/skaitmenine-ekonomika-ir-visuomene-lietuvoje-2020/gyvenimas-internete. ⁴ Disponibil la: https://osp.stat.gov.lt/statistiniu-rodikliu-analize?hash=1194ea01-82ee-4bde-a222-94c5ced50f4e#. ⁵ Disponibil la: https://ivpk.lrv.lt/lt/naujienos/lietuva-islieka-tarp-pirmajanciu-sviesolaidinio-interneto-lyderiu-2. ⁶ Disponibil la: https://www.e-tar.lt/portal/lt/legalAct/71152ab00eee11ebb74de75171d26d52. 186 Acta Linguistica Lithuanica LXXXVI European Language Equality in the Digital Age: The Case of Lithuania 2. Acumularea și îmbogățirea resurselor lingvistice digitale și a altor seturi de date lingvistice, deschise, fiabile, de înaltă calitate și reutilizabile. 3. Dezvoltarea infrastructurii tehnologiilor lingvistice, aplicarea tehnologiilor lingvistice în sectorul public și în serviciile publice, precum și crearea și îmbunătățirea soluțiilor și instrumentelor de tehnologie a informației disponibile publicului (Guidelines 2020). Este îmbucurător faptul că s-au înregistrat progrese semnificative în adaptarea limbii lituaniene la mediul digital: au fost dezvoltate numeroase resurse lingvistice digitale și instrumente de bază pentru analiza lingvistică, servicii lingvistice online complexe și ontologia limbii lituaniene, iar o serie de programe și instrumente informatice au fost localizate. Programele informatice aplicate relevante pentru societate sunt lituanizate, iar lucrările de standardizare a termenilor informatici sunt în desfășurare. Cercetătorii lituanieni participă activ la activitățile de cooperare și mobilitate ale asociațiilor internaționale și s-a format nucleul specialiștilor lituanieni în lingvistică ce activează în domeniul aplicării tehnologiei informației și dezvoltă sistematic lucrări inovatoare în acest domeniu. Lituania urmărește, de asemenea, ca toți cetățenii să aibă acces deplin la soluțiile digitale; prin urmare, politica de adaptare a acestora pentru persoanele cu dizabilități este foarte importantă (Guidelines 2020). Obiectul acestui articol îl constituie resursele și instrumentele/serviciile digitale ale limbii lituaniene. Articolul urmărește să examineze datele privind resursele digitale lituaniene și să prezinte situația actuală a dezvoltării limbii lituaniene în mediul digital, ținând seama de contextul european general. Acest obiectiv general presupune următoarele obiective specifice: 1) discutarea statutului tehnologiilor lingvistice lituaniene în contextul european multilingv; 2) realizarea analizei datelor empirice colectate în cadrul studiului; 3) determinarea principalelor puncte forte, puncte slabe, oportunități și amenințări care stau la baza situației limbii lituaniene în mediul digital. Datele cercetării au fost colectate7 în perioada 2021–2022 în cadrul proiectului „European Language Equality”, finanțat de Comisia Europeană8 (denumit în continuare – ELE). 7 Autoarea își exprimă recunoștința față de Comisia de Stat pentru Limba Lituaniană, Universitatea din Vilnius, Universitatea Vytautas Magnus și Tilde IT pentru sprijinul acordat la colectarea datelor despre resursele lingvistice. 8 Douăzeci și patru de limbi oficiale și peste 60 de limbi regionale și minoritare constituie țesătura peisajului lingvistic al UE. Acest proiect răspunde acestei solicitări și pune bazele unei agende strategice și ale unei foi de parcurs pentru transformarea egalității lingvistice digitale într-o realitate în Europa până în 2030. Obiectivul principal al ELE este elaborarea Programului european pentru egalitate lingvistică, sub forma unei agende strategice de cercetare, inovare și implementare, precum și a unei foi de parcurs pentru atingerea egalității lingvistice digitale depline în Europa până în 2030. Acest program a fost elaborat în comun cu întreaga comunitate europeană de tehnologie lingvistică, lingvistică computațională și IA centrată pe limbaj, precum și cu reprezentanți ai inițiativelor și asociațiilor relevante, ai comunităților lingvistice Straipsniai / Articles 187 ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ Scopul activităților de colectare a metadatelor a fost identificarea componentelor care contribuie la nivelul de sprijin tehnologic al limbii lituaniene. În prima etapă a procesului de colectare a metadatelor ne-am concentrat asupra resurselor și tehnologiilor pentru limba lituaniană, și anume corpusuri, a. k. a. seturi de date (colecții de date brute sau adnotate, monolingve sau bi-/multilingve, mono- sau multimodale, segmente de text sau documente, transcrieri audio, scripturi, înregistrări audio și video etc., precum și corpusuri pentru cursanți și corpusuri de limbaj mimico-gestual); descrieri ale limbii, care cuprind modele lingvistice și gramatici computaționale; resurse lexicale/conceptuale, care cuprind lexicuri computaționale, baze de date terminologice, gazete, ontologii, liste de termeni, tezaure etc.; instrumente/servicii: servicii oferite prin web, alte rețele sau care rulează în cloud, precum și instrumente descărcabile, cod sursă etc. (Giagkou, Piperidis 2021: 9). Acestea includ instrumente de bază NLP pentru limbile europene (analizoare morfologice, etichetatoare POS, lematizatoare, analizoare sintactice etc.), instrumente de redactare (de exemplu, verificatoare ortografice, gramaticale și stilistice), instrumente/servicii pentru regăsirea/extragerea/explorarea informațiilor, analiză de text și vorbire, traducere automată, înțelegerea și generarea limbajului natural, tehnologii vocale etc.). În a doua etapă a fost realizată o rundă suplimentară de colectare a metadatelor. În această etapă ne-am concentrat asupra identificării părților interesate de LT în Europa și a proiectelor naționale și europene axate pe LT, a finanțării publice pentru LT/NLP/AI sau a oricăror alți factori contextuali care ar putea rezulta din definirea preliminară a ELE (Giagkou, Piperidis 2021: 9). Resursele colectate pentru limba lituaniană au fost descrise într-un singur formular de metadate, care trebuia completat de toți membrii ELE și care includea următoarele elemente obligatorii și recomandate. Elemente obligatorii: tipul resursei (o clasificare a resurselor în tipuri: corpusuri, resurse lexicale/conceptuale, gramatici/(modele de) limbă, instrumente/servicii); denumirea resursei (o denumire sau un titlu ușor de înțeles de către oameni, prin care este cunoscută resursa); pagina de destinație; descrierea (o prezentare succintă, în text liber, care oferă informații despre resursă); limba/limbile (limba/limbile acoperite de un corpus sau de o resursă lexicală/conceptuală ori limba de intrare a unui instrument/serviciu); subclasa corpusului; subclasa resursei lexicale/conceptuale; subclasa gramaticii/modelului; tipul/tipurile de suport ale componentelor (numai pentru corpusuri și resurse lexicale/conceptuale); tipul/tipurile de suport al intrării (numai pentru instrumente/servicii); dependentă de limbă (numai pentru instrumente/servicii) etc. Elemente recomandate: denumirea scurtă a resursei; tipul finanțării; anul publicării resursei; licența; pagina principală a sursei; organizația/furnizorul: organizația responsabilă de furnizarea, administrarea, întreținerea și punerea la dispoziție a resursei; etc. — și grupurile RML (mai multe informații despre proiect sunt disponibile la: https://european-language-equality.eu/about/). 188 Acta Linguistica Lithuanica LXXXVI European Language Equality in the Digital Age: The Case of Lithuania 1. EGALITATEA LINGVISTICĂ EUROPEANĂ: ESTE EA (IM)POSIBILĂ? Peisajul lingvistic al Uniunii Europene (denumită în continuare – UE) este bogat și divers. Acesta este alcătuit din 24 de limbi oficiale și peste 60 de limbi naționale și regionale. Această diversitate lingvistică și culturală constituie o parte esențială a patrimoniului fiecărui stat, fiind foarte apreciată și promovată în UE, cu un accent special pe multilingvism. Multilingvismul, ca valoare a UE, este ghidat de mottoul „Uniți în diversitate”, utilizat pentru prima dată în 2000.⁹ UE acordă o atenție deosebită limbilor regionale sau minoritare, determinată de angajamentul său de a le proteja: „Carta europeană a limbilor regionale sau minoritare este convenția europeană pentru protecția și promovarea limbilor utilizate de minoritățile tradiționale. Împreună cu Convenția-cadru pentru protecția minorităților naționale, aceasta constituie angajamentul Consiliului Europei față de protecția minorităților naționale”.¹⁰ Egalitatea limbilor europene este recunoscută în unanimitate drept unul dintre cele mai mari puncte forte ale UE. Totuși, aceasta ridică și o serie de provocări, întrucât fiecare stat se află într-o situație demografică, geopolitică, culturală etc. diferită și se confruntă inevitabil cu diverse bariere, inclusiv lingvistice; există o divizare substanțială în domeniul tehnologiilor lingvistice. Acest lucru este subliniat și în rezoluția adoptată de Parlamentul European „Egalitatea lingvistică în era digitală”.¹¹ Numărul vorbitorilor limbilor oficiale ale UE indică (a se vedea Fig. 1) că următoarele limbi sunt cele mai vorbite cinci limbi: engleza (aprox. 30%), germana (17%), franceza (15%), spaniola (8%) și italiana (7%). Datele care prezintă limbile dominante (primele cinci) nu se schimbă dacă sunt evaluate toate limbile UE (de exemplu, a se vedea Fig. 2). Încă de la constituirea UE s-a declarat în mod expres că Europa își păstrează diversitatea lingvistică și culturală; în acest scop sunt alocate sume semnificative (Rehm, Uszkoreit 2013: 12–14). Totuși, situația actuală arată că limbile cu mai puțini vorbitori se confruntă în continuare cu diverse bariere lingvistice și se discută permanent despre modalitățile de reducere a acestei inegalități lingvistice prin mijloace digitale, deoarece este imposibil să înveți atât de multe limbi ale UE fără sprijin tehnologic. ⁹ Mai multe informații sunt disponibile la: https://european-union.europa.eu/principles-countries-history/symbols/eu-motto_lt. ¹⁰ Mai multe informații sunt disponibile la: https://www.coe.int/en/web/european-charter-regional-or-minority-languages?. ¹¹ Mai multe informații sunt disponibile la: https://www.europarl.europa.eu/doceo/document/TA-8-2018-0332_EN.html. Straipsniai / Articles 189 ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ Fig. 1: Numărul vorbitorilor limbilor oficiale ale UE 12 Dacă analizăm situația egalității limbilor europene în funcție de numărul vorbitorilor, observăm că toate limbile UE pot fi grupate după cum urmează: în partea de sus se află limbile cele mai vulnerabile (Fig. 2), iar această listă de limbi este destul de extinsă; am putea trasa, în mod relativ, o linie până la estonă. Grupul intermediar este reprezentat de limbile vorbite de un număr relativ mic de vorbitori, dar care ocupă totuși poziții mai înalte conform altor indicatori ai tehnologiilor lingvistice și ai sprijinului tehnologic (Fig. 3). În partea de jos putem vedea o listă a limbilor oficiale ale UE care ocupă cele mai puternice poziții atât în funcție de numărul vorbitorilor, cât și conform altor indicatori (vezi în continuare). Indiferent de faptul că limbile recunoscute la nivel regional pot funcționa în condiții de egalitate cu celelalte limbi ale UE, nu trebuie respinsă presupunerea privind statutul mai puternic al limbilor oficiale, iar decalajul tehnologic este încă foarte mare. 12 Date din: https://european-language-equality.eu/languages/. 190 Acta Linguistica Lithuanica LXXXVI European Language Equality in the Digital Age: The Case of Lithuania Fig. 2: Numărul vorbitorilor limbilor UE Cele mai recente date din 2022 privind resursele lingvistice și sprijinul alocat dezvoltării acestora (vezi Fig. 3) arată că engleza rămâne limba cel mai bine sprijinită. Franceza, germana și spaniola concurează, de asemenea, iar rezultatele lor sunt similare cu cele ale limbii engleze în anumite dimensiuni. Celelalte limbi oficiale ale UE beneficiază de un sprijin moderat; totuși, unele limbi beneficiază doar de un sprijin slab sau nu beneficiază deloc de sprijin. Limbile naționale sau regionale primesc, de asemenea, un sprijin fragmentar; alte limbi sunt cazuri-limită în ceea ce privește nivelul de sprijin. Analiza conduce la concluzia generală că nicio limbă naturală nu beneficiază în mod optim de sprijin tehnologic, adică nivelul necesar de sprijin nu a fost atins pentru nicio limbă, nici măcar pentru engleză (Gaidienė, Tamulionienė 2022: 17). Straipsniai / Articles 191 ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ Fig. 3: Stadiul sprijinului tehnologic în 2022 (Figura preluată din: Gaidienė, Tamulionienė 2022: 17). Gri deschis: sprijin slab/inexistent; gri: sprijin fragmentar; gri închis: sprijin bun 192 Acta Linguistica Lithuanica LXXXVI European Language Equality in the Digital Age: The Case of Lithuania În cadrul proiectului ELE, a fost comparat nivelul progresului înregistrat pentru fiecare limbă începând din 2012 (pentru mai multe informații, vezi Vaišnienė, Zabarskaitė 2012). Putem observa (vezi Fig. 4) că nivelul tehnologic al limbilor s-a schimbat în mod remarcabil (de exemplu, utilizarea pe scară largă a asistenților virtuali, a chatboturilor, îmbunătățirea capacităților de analiză a textului etc.). Rezultatele acestei analize indică doar statutul relativ al limbilor, nu progresul obținut pentru o anumită limbă. Domeniul tehnologiilor lingvistice a înregistrat un progres remarcabil în ultimii zece ani, însă decalajul dintre limbile cel mai bine sprijinite și cele mai puțin sprijinite este încă evident. Fig. 4: Stadiul general al sprijinului tehnologic pentru limbile europene selectate (2022) (Figura preluată din: Gaidienė, Tamulionienė 2022: 18) Este dificil de spus dacă egalitatea limbilor europene poate fi atinsă. Există un decalaj considerabil dacă comparăm numărul vorbitorilor, resursele și tehnologiile lingvistice și sprijinul de care beneficiază acestea. Raportul elaborat în cadrul proiectului ELE, intitulat „Report on the state of Language Technology in 2030”, subliniază că până în 2030 trebuie atinse două obiective deosebit de importante: „1) Modelele lingvistice neuronale și tehnicile asociate sunt esențiale pentru susținerea progresului în domeniul tehnologiilor lingvistice. Prin urmare, capacitatea de a construi modele lingvistice neuronale pentru alte limbi la aceeași calitate ca pentru engleză este esențială pentru egalitatea lingvistică; 2) Datele multilingve sunt elementul-cheie pentru antrenarea unor astfel de modele într-o varietate de limbi. Nu ar trebui să considerăm de la sine înțeles faptul că volume mari de corpusuri disponibile public, de bună calitate, pot fi obținute cu ușurință pentru toate limbile europene; dimpotrivă.” Straipsniai / Articles 193 ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ Efortul de a asigura că toate limbile dispun de cantități mari de corpusuri disponibile public, de bună calitate, ținând seama de aspectele echității, ar trebui să se afle în centrul oricăror eforturi viitoare în direcția DLE”13”14. Proiectul ELE acordă o atenție sporită acestui aspect; se preconizează elaborarea unui plan strategic detaliat, care să stabilească acțiuni specifice până în 2030. 2. DISPONIBILITATEA DATELOR ȘI INSTRUMENTELOR LINGVISTICE După cum s-a menționat anterior, datele privind resursele digitale disponibile ale limbii lituaniene au fost colectate în cadrul proiectului ELE. În total, au fost colectate și descrise 218 resurse digitale ale limbii lituaniene, cea mai mare parte fiind constituită din resurse lexicale/conceptuale (139; 64%); instrumentele/serviciile (53; 24%) ocupă locul al doilea; corpusurile (24; 11%) se află pe locul al treilea, în timp ce modelele gramaticale/lingvistice15 (2; 1%) ocupă locul al patrulea (a se vedea Fig. 5). Fig. 5: Tipurile de resurse digitale ale limbii lituaniene 13 DLE: Egalitate lingvistică digitală. 14 Disponibil la: https://european-language-equality.eu/wp-content/uploads/2022/05/ELE___Deliverable_D2_18__Report_on_State_of_LT_in_2030_.pdf. 15 Lituania rămâne în urmă în ceea ce privește resursele digitale de gramatică/modelele lingvistice; întrucât în acest domeniu au fost identificate doar câteva resurse, acestea nu sunt discutate separat în articol. 194 Acta Linguistica Lithuanica LXXXVI European Language Equality in the Digital Age: The Case of Lithuania Fiecare grup de resurse digitale va fi discutat separat în articol, oferindu-se exemple ale celor mai cunoscute și mai ample resurse, instrumente și servicii electronice. 2.1. Resurse lexicale/conceptuale Dicționarele/lexicoanele reprezintă partea majoritară a resurselor lexicale/conceptuale (77%); acestea sunt urmate de resursele terminologice (15%). Resursele lexicale/conceptuale includ, de asemenea, ontologii și rețele lexicale (4%). Majoritatea dicționarelor digitale sunt elaborate de Institutul Limbii Lituaniene și sunt accesibile prin sistemul informațional pentru resursele limbii lituaniene E. KALBA16. E. KALBA oferă acces la cea mai recentă Dicționarul normativ descriptiv al limbii lituaniene standard17, care conține în prezent 74.062 de intrări (toate intrările de dicționar care încep cu literele B, C, Č, D, E, Ę, Ė, F, G, H, I, J, O, R, Z, Ž și întreaga nomenclatură sunt accesibile online). În dicționar se adaugă mii de cuvinte noi și sensuri noi; intrările sunt ilustrate cu numeroase exemple autentice din uzul real al limbii. În sistemul informațional pentru resursele limbii lituaniene E. KALBA sunt disponibile și alte dicționare descriptive monolingve: Dicționarul limbii lituaniene moderne18 (a 8th ediție revizuită și actualizată, care include 48.342 de intrări) și Dicționarul limbii lituaniene19 (care reflectă lexicul limbii lituaniene din secolul al 16-leath până la sfârșitul secolului al 20-leath. Dicționarul conține 310.659 de intrări). E. KALBA oferă, de asemenea, dicționare specializate: Baza de date a neologismelor lituaniene20 (actualizată permanent, cuprinzând cuvinte noi (împrumuturi și creații lexicale noi), locuțiuni și abrevieri sau sensuri noi ale cuvintelor intrate în limba lituaniană de la sfârșitul secolului al 20-leath și utilizate în prezent în spațiul public, precum și informații despre originea, utilizarea și standardizarea acestora. În prezent, conține peste 7.000 de intrări); Dicționarul sinonimelor,21 Dicționarul antonimelor,22 The ¹⁶ Disponibil la: https://ekalba.lt. ¹⁷ Disponibil la: https://ekalba.lt/bendrinės-lietuvių-kalbos-žodynas/. ¹⁸ Disponibil la: https://ekalba.lt/dabartinės-lietuvių-kalbos-žodynas/. ¹⁹ Disponibil la: https://ekalba.lt/lietuvių-kalbos-žodynas/. ²⁰ Disponibil la: https://ekalba.lt/naujazodžiai/naujienos. ²¹ Disponibil la: https://ekalba.lt/sinonimų-žodynas/. ²² Disponibil la: https://ekalba.lt/antonimų-žodynas/. Strаipsniai / Articles 195 ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ Dicționarul frazeologiei,23 Dicționarul comparațiilor,24 etc. De asemenea, putem găsi diverse dicționare bilingve,25 de exemplu, lituaniano–englez și englez–lituanian; lituaniano–german și german–lituanian; lituaniano–leton și leton–lituanian etc. Diverse fișiere de fișe aparțin categoriei lexicelor,26 de exemplu, Fișierul principal de fișe, Fișierul suplimentar de fișe și Fișierul de fișe dialectale ale Dicționarului limbii lituaniene etc. În ceea ce privește resursele terminologice, Banca de termeni a Republicii Lituania,27 cea mai mare și mai fiabilă sursă de termeni lituanieni din punct de vedere al conținutului, este cea mai cunoscută. Actele juridice și glosarele de termeni constituie principalele surse ale acestei bănci de termeni (sunt disponibile peste 255.000 de intrări terminologice). În bancă sunt incluse colecții de termeni din diferite domenii (în total 26 de domenii, precum politică, apărare, finanțe, mediu, transport, cultură, sănătate etc., subdivizate în continuare). Baza de date a termenilor a Comitetului lituanian pentru standarde28 include o colecție de termeni din standarde. În prezent, aceasta conține 76.000 de intrări terminologice. Sistemul informațional pentru resursele limbii lituaniene RAŠTIJA.LT29 oferă o căutare în 32 de glosare de termeni. Domeniile termenilor depind de glosare: există termeni din electrotehnică, informatică, management, didactică lingvistică, matematică, metrologie, meteorologie etc. În Lituania există puține ontologii și rețele semantice. Există Ontologia generală a limbii lituaniene, ontologia cu acces deschis a termenilor medicali lituanieni Snomed CT,30 serviciul electronic E-terms,31 care include ontologii în următoarele domenii: Ontologia termenilor anatomiei umane (7.500 de termeni), Ontologia termenilor economici (500 de termeni) și Ontologia componentelor și echipamentelor informatice (1.000 de termeni). Avem mai multe wordneturi lituaniene, care pot fi extinse în continuare: LitWorNet32 (pentru mai multe, 23 Disponibil la: https://ekalba.lt/frazeologijos-zodynas/. 24 Disponibil la: https://ekalba.lt/palyginimu-zodynas/. 25 Disponibil la: https://ekalba.lt. 26 „Un dicționar digital (sau lexic) este o listă de intrări (de obicei cuvinte individuale sau expresii din mai multe cuvinte), îmbogățită opțional cu informații suplimentare” (Pastor et. al. 2017: 29). 27 Disponibil la: http://terminai.vlkk.lt/. 28 Disponibil la: https://www.lsd.lt/index.php?-45228422. 29 Disponibil la: https://raštija.lt. 30 Disponibil la: https://www.snomed.lt/snomed-ct-pritaikomumas-uzsienio-salyse-elektroninis-sveikatos-irasas-ligonines-valdymo-irankis-palaikomas-snomed-ct/. 31 Disponibil la: https://ekalba.lt/esavokos/. 32 Disponibil la: http://mackus.vdu.lt/LitWordNet/. 196 Acta Linguistica Lithuanica LXXXVI European Language Equality in the Digital Age: The Case of Lithuania a se vedea Vitkutė-Adžgauskienė et al. 2015) și WordNet33 (cu 24.000 de synseturi, dintre care 10.000 sunt asociate cu synseturile din Princeton WordNet). 2.2. Instrumente/servicii Analiza textului și a datelor reprezintă partea majoră a instrumentelor/serviciilor digitale (36%); acestea sunt urmate de recunoașterea vocală (15%), verificarea gramaticii și verificarea ortografiei (8%); traducerea automată (6%) și altele. În ceea ce privește instrumentele/serviciile, trebuie adăugat că acestea depind de limbă (98%), textul (80%) fiind tipul de suport predominant al intrării. În primul rând, merită menționate sistemele de traducere automată deja dezvoltate. „Tilde informacinės technologijos” UAB oferă posibilitatea de a utiliza gratuit instrumentul multilingv de traducere automată bazat pe rețele neuronale, Tilde Translator,34. Potrivit dezvoltatorilor săi, „acest instrument de traducere automată statistică este cel mai bun de pe piață și este adaptat perechilor de limbi lituaniană–engleză, engleză–lituaniană, letonă–engleză și engleză–letonă. Sistemul de traducere automată bazat pe reguli pentru traducerea din letonă în rusă este, de asemenea, disponibil pentru utilizare”.35 În prezent, puteți utiliza Tilde Translator pentru a traduce din lituaniană în germană, polonă, engleză, ucraineană și rusă. Sistemul de traducere automată ALPMAVIS este disponibil gratuit utilizatorilor.36 Acest sistem acoperă următoarele perechi de limbi: lituaniană–engleză–lituaniană, lituaniană–franceză–lituaniană, lituaniană–germană–lituaniană, lituaniană–polonă–lituaniană și lituaniană–rusă–lituaniană. Sistemul menționat mai sus este adaptat domeniilor general, juridic și IT.37 Trebuie menționate și sistemele de traducere gratuite dezvoltate în afara Lituaniei, de exemplu Google Translate, Microsoft Bing Translator, eTranslation etc. Ultimul sistem de traducere este disponibil gratuit instituțiilor guvernamentale și este mai bine adaptat traducerii textelor administrative și juridice. Există diverse servicii create pentru utilizatori, în cadrul cărora tehnologia de recunoaștere vocală este concepută pentru a controla vocal computerele, de exemplu Browser38 (navigare 33 Disponibil la: https://ekalba.lt/zodziu-prasmiu-tinklas/?p=1. 34 Disponibil la: https://translate.tilde.com/#/. 35 Mai multe informații la: https://www.tilde.lt/kalbines-technologijos/tilde-vertykle. 36 Disponibil la: https://vertimas.vu.lt/Home/About. 37 Mai multe informații la: https://vertimas.vu.lt/Home/About. 38 Disponibil la: https://raštija.lt/liepa/paslaugos-vartotojams/narsytuvas/. Straipsniai / Articles 197 ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ control vocal); Controller39 (control vocal al computerului); Searcher40 (căutare vocală pentru resursele patrimoniului UNESCO); Recognizer41 (învățarea controlului vocal); Helper42 (control vocal pentru persoanele cu dizabilități); Coaching Robot Controller43 (controlul unui robot umanoid pentru copii); Taxi Caller44; Caller45 (apelarea contactelor telefonice); Interlingual Communicator46 (lituaniană–chineză) etc. Este disponibilă gratuit și o aplicație de recunoaștere vocală,47 care transformă vorbirea în text dintr-un fișier audio preînregistrat sau prin dictare în timp real. Unele servicii dezvoltate în Lithuania sunt echipate cu tehnologie de sinteză vocală, de exemplu, Pronouncer48 (un dicționar audio al neologismelor lituaniene); The Lithuanian Speech Synthesiser for the Blind49 (un sintetizator vocal lituanian compatibil cu SAPI5, care citește cu voce tare ceea ce este afișat pe monitorul computerului); The Mobile Synthesiser for the Blind50; The Online News Reader51 (colectarea și citirea știrilor cu o voce sintetizată în lituaniană). Este disponibilă gratuit și o aplicație de sinteză vocală52 care transformă textul în vorbire. Principalele instrumente gratuite și open-source pentru analiza de bază a textelor digitale în lituaniană au fost create în cadrul diferitelor proiecte din Lithuania, și anume un segmentator, un lematizator, un analizor morfologic, un etichetator al părților de vorbire, un analizor sintactic, un verificator ortografic, un normalizator de text, o soluție pentru căutarea avansată în indicii de texte lituaniene, un extractor de expresii cu mai multe cuvinte etc. (Guidelines 2020). Există, de asemenea, soluții gratuite și open-source pentru identificarea limbii și analiza semantică: analizorul simplu și bazat pe aspecte al sentimentului (opiniei),53 al urii 39 Disponibil la: https://raštija.lt/liepa/paslaugos-vartotojams/valdy­tuvas/. 40 Available at: https://raštija.lt/liepa/paslaugos-vartotojams/ieskotuvas/. 41 Available at: https://raštija.lt/liepa/paslaugos-vartotojams/pazin­tuvas/. 42 Disponibil la: https://raštija.lt/liepa/paslaugos-vartotojams/pagalbininkas/. 43 Disponibil la: https://raštija.lt/liepa-2/paslaugos-vartotojams/ugdanciojo-roboto-valdytuvas/. 44 Disponibil la: https://raštija.lt/liepa-2/paslaugos-vartotojams/taksi-iskviestuvas/. 45 Disponibil la: https://raštija.lt/liepa-2/paslaugos-vartotojams/skambintuvas/. 46 Disponibil la: https://raštija.lt/liepa-2/paslaugos-vartotojams/tarpkalbinis-komunikatorius/. 47 Disponibil la: https://www.tilde.lt/snekos-technologijos. 48 Disponibil la: https://liepa.rastija.lt/Tartuvas/Naujienos?_ga=2.104838787.241622064.1643131617-1654665649.1643131617. 49 Disponibil la: https://raštija.lt/liepa/paslaugos-vartotojams/sintezatorius-akliesiems/. 50 Disponibil la: https://raštija.lt/liepa-2/paslaugos-vartotojams/mobilusis-sintezatorius-akliesiems/. 51 Disponibil la: https://raštija.lt/liepa-2/paslaugos-vartotojams/interneto-naujienu-skait­ytuvas/. 52 Disponibil la: https://www.tilde.lt/snekos-technologijos. 53 Disponibil la: https://ekalba.lt/nuomoniu-analize/. 198 Acta Linguistica Lithuanica LXXXVI European Language Equality in the Digital Age: The Case of Lithuania instrumentul de recunoaștere vocală,54 serviciul de rezumare automată a documentelor,55 instrumentul de recunoaștere a entităților identificate (Guidelines 2020). 2.3. Corpusuri Lituania continuă să creeze și să dezvolte datele și resursele lingvistice generale necesare pentru producerea tehnologiilor lingvistice și a aplicațiilor acestora. În Lituania există mai multe corpusuri, dominate de corpusurile adnotate (91%), în care textul (96%) este tipul de suport predominant al segmentelor. Corpusul limbii lituaniene contemporane56 este cel mai mare corpus al limbii lituaniene. Acesta cuprinde 140.921.288 de cuvinte (literatură beletristică – 11,6%, literatură nonficțională – 14,2%, literatură administrativă – 10%, publicații – 63,8%, limbă vorbită – 0,3%). Compilarea corpusului a început în 1992, iar ultima actualizare a avut loc în 2011. Există, de asemenea, corpusuri adnotate morfologic și sintactic. Volumul Corpusului lituanian adnotat morfologic MATAS57 este de 1,6 milioane de cuvinte (36% texte din periodice, 24% texte din literatura științifică, 19% texte beletristice, 2,8% texte administrative, 6,8% procese-verbale ale Parlamentului Republicii Lituania). Corpusul a fost produs în mod semi-automat, iar rezultatele au fost revizuite de lingviști. Corpusul a evidențiat polisemia morfologică de amploare a limbii lituaniene, și anume că aproape jumătate dintre toate formele sunt morfologic polisemantice. Cea mai recentă versiune a Băncii de arbori lituaniene ALKSNIS58 (ALKSNIS 3.0) conține 3.643 de propoziții adnotate sintactic în formatul PML (Prague Mark-up Language). În Lituania au fost lansate mai multe corpusuri paralele. Corpusul paralel59 conține cuvinte cehă-lituaniană (20,29%), cuvinte engleză-lituaniană (76,6%), cuvinte lituaniană-cehă (0,8%) și cuvinte lituaniană-engleză (2,31%). Corpusul paralel LILA60 a fost creat în mod semi-automat, textele fiind aliniate la nivel de paragraf și de propoziție. Corpusul constă din texte publicate în 1991 sau ulterior. Volumul total al corpusului este de 8.782.050 de cuvinte: 54 Disponibil la: http://hatespeech.vdu.lt. 55 Disponibil la: https://www.semantika.lt/Analysis/Summary. 56 Disponibil la: http://tekstynas.vdu.lt/tekstynas/. 57 Disponibil la: https://klc.vdu.lt/matas-morfologiskai-anotuotas-tekstynas/. 58 Disponibil la: https://klc.vdu.lt/alksnis-sintaksiskai-anotuotas-tekstynas/. 59 Disponibil la: https://klc.vdu.lt/lygiagretus-tekstynas/. 60 Disponibil la: https://klc.vdu.lt/lila-lygiagretusis-tekstynas/. Straipsniai / Articles 199 ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ Textele lituaniano-letone ocupă cea mai mare parte (3,448,745 de cuvinte), în timp ce textele letono-lituaniene reprezintă jumătate din acest număr (1,695,160 de cuvinte). O astfel de compoziție asimetrică a datelor a rezultat din numărul mai mare de texte traduse din lituaniană în letonă decât invers în ultimii ani. Există și alte tipuri de corpusuri, de exemplu, The Corpus of the Spoken Lithuanian Language,61 The compendium of textbook texts KLASIUS62; The Corpus of the Old Lithuanian Language63; CorALit64: Corpus Academicum Lithuanicum etc. Accesul deschis la datele celor mai multe corpusuri este asigurat. În concluzie, producerea și dezvoltarea resurselor lingvistice digitale și a instrumentelor/serviciilor existente au înregistrat progrese remarcabile în Lithuania; există chiar mai multe infrastructuri pentru resursele lingvistice și instrumentele/serviciile lituaniene (E. KALBA, RAŠTĮJA.LT etc.), care oferă acces gratuit la diferite dicționare digitale, lexicoane etc. și furnizează diverse servicii controlate vocal, analize de bază ale textelor digitale în lituaniană, instrumente cu cod sursă deschis și gratuite etc. Sunt produse și dezvoltate în continuare diverse corpusuri și sisteme de traducere automată. Cu toate acestea, există o lipsă de date lingvistice multimedia, corpusuri paralele destinate traducerii automate, diverse corpusuri de vorbire etc. În ceea ce privește semantica textului, există încă lacune, deoarece lipsesc rețele lexicale, ontologii etc. de calitate. Domeniul gramaticii este în prezent mai degrabă abandonat: există o lipsă de gramatici digitale și de alte instrumente tehnologice care ar putea contribui la dezvoltarea tehnologiilor lingvistice și la creșterea calității acestora. 3. SITUAȚIA LIMBII LITUANIENE ÎN MEDIUL DIGITAL: PUNCTE FORTE, PUNCTE SLABE, OPORTUNITĂȚI ȘI AMENINȚĂRI Statutul limbii lituaniene în mediul digital a fost evaluat ținând seama de principala bază de date disponibilă cu documente, precum și de infrastructurile naționale pentru resurse și tehnologii lingvistice și de principalele consorții, federații și proiecte. Documentele și resursele principale sunt descrise în detaliu (a se vedea Guidelines 2020). Acest articol își propune să le descrie în termeni generali, pentru a urmări originile punctelor forte, ale punctelor slabe, ale oportunităților și ale amenințărilor. 61 Disponibil la: http://sakytinistekstynas.vdu.lt. 62 Disponibil la: https://rastija.lt/resurso-katalogas/klasius-v2/. 63 Disponibil la: http://coralit.lt/node/1. 64 Disponibil la: http://coralit.lt. 200 Acta Linguistica Lithuanica LXXXVI European Language Equality in the Digital Age: The Case of Lithuania 3.1. Guvernul lituanian și alte instituții ale statului sprijină mai multe programe menite să promoveze o gamă largă de cercetări și activități de diseminare lingvistică. Următoarele documente privind politicile în domeniul tehnologiilor lingvistice din Lithuania sunt în vigoare: 1) The Guidelines for the Development of the Lithuanian Language in the Digital Environment and the Progress of Language Technologies for 2021–202765 (pentru mai multe informații, a se vedea pagina 2); 2) The Lithuanian Artificial Intelligence Strategy: A Vision for the Future (2018)66 emisă de Ministerul Economiei și Inovării al Republicii Lithuania. Scopul strategiei este „ca Lithuania să devină lider regional pe baza resurselor, experienței și potențialului existente. Aceasta urmărește să sporească competitivitatea Lithuaniei în rândul țărilor UE și să asigure participarea sa cu succes în ecosistemul global al IA” (AI Strategy 2018); 3) The strategy for Lithuania’s advancement “Lietuva 2030”.67 Această strategie prezintă „viziunea și prioritățile de dezvoltare ale statului, precum și direcțiile de punere în aplicare a acestora până în 2030. Este principalul document de planificare care trebuie luat în considerare în deciziile strategice și în pregătirea planurilor sau programelor de stat” (Strategy 2012). La 2 iulie 2021, Comisia Europeană și-a dat acordul pentru Lithuania’s recovery and resilience plan. „Impactul transformator al planului Lithuaniei este rezultatul unei combinații solide de reforme și investiții care abordează provocările specifice ale Lithuaniei”.68 3.2. Lithuania dispune de mai multe infrastructuri naționale pentru tehnologie și date lingvistice: 1) RAŠTIJA LT69 este sistemul integrat de resurse, produse și servicii ale limbii și scrierii lituaniene, dezvoltat de Institutul de Matematică și Informatică al Universității din Vilnius: bază de cunoștințe, instrumente de căutare etc.; 2) CLARIN–LT70 – Consorțiul Național Lituanian (membru al CLARIN-ERIC), înființat în 2015. În prezent, acesta este alcătuit din 5 instituții de cercetare: Universitatea Vytautas Magnus (coordonator), Universitatea Tehnologică din Kaunas, Universitatea din Vilnius, Universitatea Mykolas Romeris și Institutul Baltic de Tehnologii Avansate; 3) E. KALBA71 – sistemul informațional al resurselor limbii lituaniene, administrat de Institutul Limbii Lituaniene. În acest sistem se găsesc nouă dicționare monolingve și zece bilingve, diverse fișiere și baze de date 65 Disponibil la: https://e-seimas.lrs.lt/portal/legalAct/lt/TAD/911407f20ee911ebbebdbd456d2fb030d. 66 Disponibil la: https://eimin.lrv.lt/uploads/eimin/documents/files/DI_strategija_LT(1).pdf. 67 Disponibil la: https://e-seimas.lrs.lt/portal/legalAct/lt/TAD/TAIS.425517. 68 Disponibil la: https://ec.europa.eu/info/business-economy-euro/recovery-coronavirus/recovery-and-resilience-facility/lithuanias-recovery-and-resilience-plan_en. 69 Disponibil la: https://raštija.lt. 70 Disponibil la: http://clarin-lt.lt. 71 Disponibil la: https://ekalba.lt. Straipsniai / Articles 201 ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ (arhiva dialectelor; baza de date geoinformațională a numelor de locuri lituaniene etc.), precum și servicii electronice (căutare în Rețeaua sensurilor, E-Concepte, Analizatorul opiniilor etc.); 4) SEMANTIKA72 – Sistemul informațional pentru analiza sintactică și semantică a limbii lituaniene (LSSAIS), care „este o infrastructură unică de tehnologii lingvistice și un sistem informațional de stat ce furnizează servicii de recunoaștere a vorbirii și de analiză a textului pentru limba lituaniană. Universitatea Vytautas Magnus este administratorul sistemului informațional”.73 3.3. Principalele consorții, federații și proiecte cărora le aparține sau la care participă Lietuva. Reprezentanții European Federation of National Institutions for Language (EFNIL) în Lietuva sunt Institute of the Lithuanian Language și State Commission of the Lithuanian Language. Federația acordă o atenție deosebită limbilor statelor membre ale UE și diversității lingvistice a Europei.74 European Language Resource Coordination (ELRC) „gestionează, întreține și coordonează resursele lingvistice relevante în toate limbile oficiale ale UE și ale țărilor asociate CEF. Aceste activități vor contribui la îmbunătățirea calității, acoperirii și performanței soluțiilor de traducere automată în contextul serviciilor digitale CEF actuale și viitoare”.75 Common Language Resources and Technology Infrastructure (CLARIN-ERIC) este „o infrastructură de cercetare inițiată pornind de la viziunea că toate resursele și instrumentele lingvistice digitale din întreaga Europă și din afara ei sunt accesibile printr-un mediu online pentru sprijinirea cercetătorilor din științele umaniste și sociale”.76 CLARIN-LT este un consorțiu național lituanian coordonat de Universitatea Vytautas Magnus, care este membră a CLARIN-ERIC. European Language Grid (ELG) „dezvoltă și implementează o platformă cloud scalabilă, oferind, într-un mod ușor de integrat, acces la sute de tehnologii lingvistice comerciale și necomerciale pentru toate limbile europene, inclusiv instrumente și servicii funcționale, precum și seturi de date și resurse”.77 Din 2019, ELG este reprezentat în Lietuva de Institute of the Lithuanian Language. Obiectivul principal al European Language Equality (ELE) este „pregătirea Programului european pentru egalitatea lingvistică, sub forma unei agende strategice de cercetare, inovare și implementare și a unei foi de parcurs pentru atingerea egalității digitale complete 72 Disponible à: https://www.semantika.lt. 73 Mai multe informații sunt disponibile la: https://www.semantika.lt/Help/About. 74 Mai multe informații sunt disponibile la: http://www.efnil.org. 75 Mai multe informații sunt disponibile la: https://www.lr-coordination.eu. 76 Mai multe informații sunt disponibile la: https://www.clarin.eu. 77 Mai multe informații sunt disponibile la: https://www.european-language-grid.eu. 202 Acta Linguistica Lithuanica LXXXVI European Language Equality in the Digital Age: The Case of Lithuania egalitatea lingvistică în Europa până în 2030”.⁷⁸ Din 2021, ELE este reprezentat în Lituania de Institutul Limbii Lituaniene. În perioada 2014–2020, finanțarea pentru implementarea soluțiilor lingvistice lituaniene în spațiul digital a fost obținută din Programul operațional pentru investițiile fondurilor UE, axa prioritară 2 (Promovarea societății informaționale). În 2018 au fost lansate cinci proiecte: „Dezvoltarea serviciilor lituaniene controlate vocal” (LIEPA–2), „Dezvoltarea serviciilor publice ale Sistemului informațional pentru analiza sintactico-semantică a textelor lituaniene” (SEMANTIKA–2), „Îmbunătățirea și dezvoltarea sistemelor de traducere automată și a serviciilor de localizare”, „Dezvoltarea Sistemului informațional integrat al resurselor lingvistice și scrise lituaniene” (RAŠTIJA 2) și „Dezvoltarea Sistemului informațional al resurselor lingvistice lituaniene” (E. KALBA). Până la sfârșitul anului 2020 au fost create în total 21 de servicii publice electronice. Instituțiile de cercetare și de învățământ, precum și întreprinderile, au fost cei mai activi participanți la program (Guidelines 2020). Pe lângă proiectele menționate mai sus, au fost implementate și alte proiecte de tehnologii lingvistice finanțate din fondurile structurale ale UE, de Comisia Europeană, din fonduri naționale pentru proiecte etc. 3.4. O analiză SWOT (puncte forte, puncte slabe, oportunități și amenințări) este prezentată în Programul limbii lituaniene în societatea informațională pentru perioada 2007–2010, aprobat de Seimasul Republicii Lituania.⁷⁹ Aceasta constituie un punct de plecare excelent pentru analiza situației actuale. Este îmbucurător faptul că s-au înregistrat progrese remarcabile, iar majoritatea punctelor slabe sau amenințărilor din acea perioadă au fost de mult eliminate și uitate. S-au înregistrat progrese semnificative în adaptarea limbii lituaniene la mediul digital: au fost dezvoltate o serie de resurse lingvistice digitale și instrumente de bază pentru analiza limbii, au fost create servicii lingvistice online complexe, a fost elaborată o ontologie a limbii lituaniene și s-a realizat localizarea multor programe și instrumente informatice. Aplicațiile informatice relevante pentru societate au fost localizate, iar termenii informatici au fost standardizați. Cercetătorii lituanieni participă activ și cooperează în activitățile de mobilitate ale asociațiilor internaționale. Mulți specialiști în limba lituaniană se concentrează asupra domeniului tehnologiei informației și dezvoltă sistematic activități inovatoare în acest domeniu. Lituania este foarte interesată să asigure accesul deplin al tuturor cetățenilor la soluții digitale, ceea ce face deosebit de importantă adaptarea accesului la resurse pentru persoanele cu dizabilități (Gaidienė, Tamulionienė 2022: 17–18). ⁷⁸ Mai multe informații disponibile la: https://european-language-equality.eu. ⁷⁹ Disponibil la: https://e-seimas.lrs.lt/portal/legalAct/lt/TAD/TAIS.294883?jfwid=32wf9h0y. Straipsniai / Articles 203 ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ Analiza generală a situației actuale a limbilor europene, inovațiile care apar zilnic, nevoile tot mai mari ale societății etc. ridică noi provocări și deschid noi oportunități, precum și noi amenințări. Lietuvei vis dar trūksta kalbos išteklių elektroninėje aplinkoje, kad būtų galima sparčiau integruoti lietuvių kalbą ir informacines technologijas, taip pat standartų, skirtų lietuvių kalbai valdyti pasitelkiant informacines technologijas. Yra daugybė tinkamos programinės įrangos, kuri dar nėra sulietuvinta ir pritaikyta visuomenės poreikiams; būtina toliau užtikrinti vienodą kompiuterijos terminų, žodyno ir frazių vartojimą programinėje įrangoje ir toliau rūpintis šnekamosios lietuvių kalbos (kalbos) vartojimu elektroninėje, kompiuterinėje ir kompiuterizuotų įrenginių aplinkoje. Nacionaliniu lygmeniu būtina aiški teisinė sistema, užtikrinanti vienodą požiūrį į mokslinius tyrimus (nekomercinius ir komercinius) bei inovacijas, grindžiamus automatiniu duomenų iš elektroninių nestruktūrizuotos informacijos šaltinių (tekstų) išgavimu ir analize. Tik sukaupus pakankamą kiekį aktualių išteklių, atspindinčių dabartinės lietuvių kalbos reiškinius, bus galima kurti veiksmingas lietuvių kalbos taikymo informacinėse technologijose priemones. Ypatingas dėmesys turi būti skiriamas prisitaikymui prie visų vartotojų galimybių ir poreikių, kad nebūtų programuojama socialinė atskirtis, kurios padariniai paveiktų visą visuomenę. Svarbu sukurti lietuviškas sąsajas, kurios tiesiogiai mažintų socialinę lingvistinę segregaciją, skatintų teisėtą programinės įrangos naudojimą ir mažintų atotrūkį nuo senųjų ES valstybių narių informacinių technologijų naudojimo srityje. Taip pat svarbu sudaryti sąlygas vartoti lietuvių kalbą kompiuteriuose, kompiuteriu valdomuose įrenginiuose ir šnekamąja lietuvių kalba (kalba) valdomuose kompiuteriuose, tobulinti kompiuterinio valdymo balsu priemones, kad neįgalieji ir kiti asmenys galėtų nevaržomai naudotis elektroninėmis paslaugomis. Kompiuterinė lingvistika ir kalbos technologijos, kaip atskiras dalykas, Lietuvos aukštojo mokslo sistemoje dar nėra įtvirtintos. Nė vienas universitetas nesiūlo visų pakopų kalbos technologijų studijų. Tai turi pasikeisti (Gaidienė, Tamulionienė 2022). Lietuvoje reikia didinti kalbos technologijų srityje dirbančių specialistų kompetenciją ir kelti visuomenės gebėjimo naudotis kalbos technologijų teikiamomis galimybėmis lygį. Taip pat svarbu rengti specialistus, išmanančius kalbos ir informacinių technologijų specifiką, finansuoti fundamentinius ir taikomuosius tyrimus, remti mokslinę ir techninę infrastruktūrą. Be to, labai svarbu kaupti ir didinti atvirų, patikimų, kokybiškų, tvarių skaitmeninių kalbos išteklių ir kitų skaitmeninių kalbos duomenų rinkinių prieinamumą. Reikia plėtoti kalbos technologijų infrastruktūrą, kalbos technologijų taikymą 204 Acta Linguistica Lithuanica LXXXVI European Language Equality in the Digital Age: The Case of Lithuania viešajame sektoriuje ir viešosiose paslaugose, mokymo ir mokymosi institucijose, taip pat kurti ir tobulinti viešai prieinamus IT sprendimus ir priemones. Lietuva turi dar aktyviau įsitraukti į Europos Bendrijos ir kitas tarptautines kalbos technologijų programas. Svarbu atnaujinti infrastruktūrą būtinais skaitmeniniais ištekliais, modernizuoti ir prižiūrėti infrastruktūros techninę įrangą, integruoti infrastruktūrą į didesnes nacionalines, Europos ir tarptautines kalbos išteklių sistemas ir užtikrinti jose saugomų technologijų bei duomenų atvirumą (Guidelines 2020). Apibendrinant galima teigti, kad kalbos technologijų plėtra yra būtina lietuvių kalbai, kaip ir bet kuriai kitai kalbai. Siekdama klestėjimo šioje srityje, Lietuva turėtų dirbti įgyvendindama šiame straipsnyje aptartus ir neaptartus pokyčius. Norint pasiekti tikslus, būtina suvienyti valstybės, mokslo ir verslo pastangas. IŠVADOS Apžvelgę lietuvių kalbos technologijų padėtį daugiakalbiame Europos kontekste ir sistemingai išanalizavę lietuvių kalbos išteklius bei priemones ir paslaugas, galime suformuluoti kelias pagrindines išvadas dėl lietuvių kalbos statuso skaitmeninėje aplinkoje. 1. Rezultatai rodo, kad nuo 2012 m. Lietuvoje padaryta didelė pažanga kuriant įvairius skaitmeninius kalbos išteklius ir priemones bei paslaugas. Nors lietuvių kalba priskiriama kalboms, turinčioms nedaug kalbėtojų, kalbos technologijų srityje ji sparčiai žengia į priekį. Kalbant apie skaitmeninius išteklius ir priemones bei paslaugas, vis dar yra sričių, kuriose reikia tolesnės pažangos. Nors nemažai lietuvių kalbos skaitmeninių išteklių jau prieinama, atsižvelgiant į kalbos technologijų ir visuomenės poreikius, vis dar reikia kurti arba atnaujinti naujus vienakalbius žodynus (sinonimų, antonimų, frazeologijos ir kt. žodynus) ir dvikalbius žodynus, taip pat įvairius leksikonus. Ontologijos, žodžių tinklai ir tekstynai turi būti plečiami; reikia kurti mašininiam vertimui būtinus daugiakalbius lygiagrečiuosius tekstynus ir kt. Kalbant apie terminiją, reikia papildomų ir atnaujintų rinkinių arba terminų; terminų duomenų bazių struktūra ir technologiniai sprendimai skiriasi, todėl duomenis sunkiau panaudoti kituose technologiniuose sprendimuose; taip pat trūksta atvirų terminologinių duomenų. Lietuvių kalbai reikia skaitmeninių gramatikų, anotuotų kalbos duomenų bazių ir kitų išteklių, kurie paspartintų kalbos technologijų pažangą. Straipsniai / Articles 205 ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ 2. Lietuvos kalbos technologijų srityje pasiekta didelė pažanga, tačiau kas minutę atsirandančios inovacijos, augantys poreikiai ir kt. ne tik atveria naujų galimybių ir kelia naujų iššūkių, bet ir atskleidžia silpnąsias vietas bei grėsmes. 2.1. Atvirosios prieigos kalbos išteklių infrastruktūra Lietuvoje vis dar kuriama; dalijimosi duomenimis kultūra vis dar stagnuoja; licencijavimo klausimai tebėra neišspręsti: intelektinės nuosavybės teisių reglamentavimas ir BDAR turi būti lankstesni ir leisti plačiau naudoti intelektinės nuosavybės teisėmis saugomus duomenis kalbos technologijoms ir ištekliams plėtoti, kad nebūtų pažeisti autorių interesai. 2.2. Lietuvoje trūksta reikiamų žmogiškųjų išteklių: stinga IT specialistų ir kalbos technologijų srityje dirbančių tyrėjų; nėra specializuotų studijų programų. 2.3. Lietuvių kalbos technologijų plėtrai reikia stiprios nacionalinės ir tarptautinės paramos, įskaitant atitinkamas ilgalaikes kalbos technologijų programas, vienodomis sąlygomis remiančias mokslinius tyrimus ir verslą. Svarbu derinti nacionalinę ir tarptautinę veiklą, tinkamai atsižvelgiant į mokslinių tyrimų infrastruktūrą ir prioritetus. 2.4. Kas nutiktų Lietuvoje, jei kalbos technologijų plėtra visiškai sustotų? Kodėl ES nuolat pabrėžia, kad kalbų lygybę galima pasiekti skatinant visų ES kalbų technologinę plėtrą? Plačiai sutariama dėl kalbų įvairovės stiprybės ir gimtosios kalbos technologijų poveikio kalbinės bei kultūrinės įvairovės apsaugai. Todėl, jei šioje srityje nebus imtasi veiksmų, technologinė ir kalbinė atskirtis didės, o lietuvių kalbos prestižas mažės; Lietuva nebebus konkurencinga dirbtinio intelekto ir kitų pažangiausių technologijų srityse; kitos užsienio kalbos skaitmeninėje aplinkoje palaipsniui užims lietuvių kalbos vietą. REFERENCES AI strategy 2018: The Lithuanian Artificial Intelligence Strategy: A vision for the future. Available at: https://eimin.lrv.lt/uploads/eimin/documents/files/DI_strategija_LT(1).pdf. Gaidienė Anželika, Tamulionienė Aurellija 2022: Report on the Lithuanian Language. Available at: https://european-language-equality.eu/wp-content/uploads/2022/03/ELE___Deliverable_D1_23__Language_Report_Lithuanian_.pdf. 206 Acta Linguistica Lithuanica LXXXVI European Language Equality in the Digital Age: The Case of Lithuania Giagkou Maria, Piperidis Stelios 2021: European Language Equality. Guidelines for T1.3 contributors. Internal to ELE network. Guidelines 2020: The guidelines for the development of the Lithuanian language in the digital environment and the progress of language technologies for 2021–2027. Available at: https://www.e-tar.lt/portal/lt/legalAct/71152ab00eee11ebb74de75171d26d52. Jaroslavienė Jurgita, Miliūnaitė Rita 2020: Beribis lietuvių kalbos pasaulis skaitmeninių išteklių sistemoje „E. kalba“. – Pasaulio lietuvis. Available at: https://pasauliolietuvis.lt/beribis-lietuviu-kalbos-pasaulis-skaitmeniniu-istekliu-sistemoje-e-kalba/. Pastor Rafael Rivera 2017: European Parliament, Directorate-General for Parliamentary Research Services, Language equality in the digital age: towards a human language project, European Parliament. Available at: https://www.europarl.europa.eu/RegData/etudes/STUD/2017/598621/EPRS_STU(2017)598621_LT.pdf. Rehm Georg, Uszkoreit Hans, editors, 2013: The META-NET Strategic Research Agenda for Multilingual Europe 2020, Springer, Heidelberg, New York, Dordrecht, London. Available at: https://lirias.kuleuven.be/retrieve/501271. Strategy 2012: The Strategy for Lithuania’s Advancement “Lietuva 2030”. Available at: https://e-seimas.lrs.lt/portal/legalAct/lt/TAD/TAIS.412512. Vaišnienė Daiva, Zabarskaitė Jolanta 2012: The Lithuanian language in the digital age, vol. 385, Springer. Available at: http://www.meta-net.eu/whitepapers/volumes/e-book/lithuanian.pdf. Vitkutė-Adžgauskienė Daiva, Dainauskas Justinas Juozas, Amilevičius Darius, Utka Andrius 2015: Lietuvių kalbos žodžių tinklas – LitWordNet. – Darbai ir dienos 64, 101–114. Available at: https://cris6.vdu.lt/cris/bitstream/20.500.12259/27751/1/ISSN2335-8769_2015_N_64.PG_101-114.pdf. Europos kalbų lygybė skaitmeniniame amžiuje: Lietuvos atvejis SANTRAUKA Straipsnyje rašoma apie lietuvių kalbos technologijų būklę, supažindinama su Europos kalbų lygybės skaitmeninėje terpėje situacija. Nagrinėjami kiekybiniai ir kokybiniai kalbų lygybę atskleidžiantys rodikliai Europos Sąjungos kontekste, atsižvelgiant į kalbėtojų, Straipsniai / Articles 207 ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ skaitmeninių kalbos išteklių ir technologijų skaičių bei joms teikiamą paramą, ypatingą dėmesį skiriant Lietuvos atvejo analizei. Šiuo straipsniu siekiama pabrėžti iki šiol kalbų technologijų srityje atliktą darbą ir išryškinti spragas bei atskleisti išbandymus, su kuriais susiduria ir juos sprendžia oficiali nacionalinė ir Europos Sąjungos kalba – lietuvių kalba. Straipsnyje pateikiama naujausia lietuvių kalbos technologijų padėties apžvalga analizuojant skaitmeninius kalbos išteklius ir įrankius / paslaugas. Gauti rezultatai rodo, kad nuo 2012 m. Lietuvoje padaryta didžiulė pažanga plėtojant įvairius skaitmeninius kalbos išteklius ir įrankius / paslaugas. Nors lietuvių kalba yra priskiriama prie mažai kalbėtojų turinčių kalbų, ji gana sparčiai tobulėja kalbos technologijų srityje. Nepaisant to, kad esama sukurta nemažai lietuvių kalbos skaitmeninių išteklių, atsižvelgiant į kalbos technologijų ir visuomenės poreikius, būtina kurti ir atnaujinti vienakalbius (sinonimų, antonimų, frazeologijos ir pan.) ir dvikalbius žodynus, įvairius leksikonus. Būtina gausinti ir plėsti įvairiais kalbos duomenimis ontologijas, žodžių tinklus, tekstynus, kurti mašininiam vertimui reikalingus keliakalbius lygiagrečiuosius tekstynus ir kt. Kalbant apie terminiją, trūksta daugiau ir naujesnių terminų rinkinių, terminų bazių struktūra ir technologiniai sprendimai skiriasi, o tai apsunkina galimybes panaudoti duomenis kitiems technologiniams sprendimams, taip pat trūksta atvirųjų terminologinių duomenų. Lietuvių kalbai labai trūksta skaitmeninių gramatikų, anotuo­tų garsynų ir kitų išteklių, kurie prisidėtų prie spartesnės kalbos technologijų pažangos. Lietuvoje vis dar tvarkoma atvirųjų prieigų kalbos išteklių infrastruktūra, ne visai išspręsti licencijavimo klausimai – intelektinės nuosavybės teisių ir BDAR reglamentai, kurie turi būti lankstesni ir leidžiantys plačiau naudoti intelektinės nuosavybės teisėmis apsaugotus duomenis kalbos technologijų plėtrai ir išteklius taip, kad nebūtų pažeisti autorių interesai. Lietuvoje trūksta būtinųjų žmogiškųjų išteklių: trūksta kalbų technologijų IT specialistų, taip pat šios srities mokslininkų, nėra specializuotų studijų programų. Lietuvių kalbos technologijų plėtrai reikalinga stipri nacionalinė ir tarptautinė parama, įskaitant tam skirtas ilgalaikes kalbų technologijų programas, kurios vienodai remia tiek mokslinių tyrimų, tiek verslo veiklą. Svarbu sinchronizuoti nacionalinę ir tarptautinę veiklą, ypač mokslinių tyrimų infrastruktūros ir mokslinių tyrimų prioritetų atžvilgiu. Įteikta 2022 m. gegužės 18 d. ANŽELIKA GAIDIENĖ AURELIJA TAMULIONIENĖ Lietuvių kalbos institutas Petro Vileišio g. 5, LT–10308 Vilnius, Lietuva [email protected] [email protected] 208 Acta Linguistica Lithuanica LXXXVI