Go to originalLocalized version was produced by AI. It may contain inaccuracies.
Preparing document pages…
Page 1
ANŽELIKA GAIDIENĖ
Litván Nyelvi Intézet
ORCID-azonosító: orcid.org/0000-0001-8775-788X
Kutatási területek: szemantika, lexikológia, lexikográfia, számítógépes nyelvészet.
AURELIJA TAMULIONIENĖ
Litván Nyelvi Intézet
ORCID-azonosító: orcid.org/0000-0003-0728-1856
Kutatási területek: a gyermekek és a fiatalok nyelve, nyelvi preferenciák, számítógépes nyelvészet.
DOI: doi.org/10.35321/all86-08
EURÓPAI NYELVI EGYENLŐSÉG A DIGITÁLIS KORBAN: LITVÁNIA ESETE
Az európai nyelvek egyenlősége a digitális korban: Litvánia esete
ÖSSZEFOGLALÓ
A tanulmány a litván nyelvi technológiák jelenlegi állapotával foglalkozik, és bemutatja az európai nyelvi egyenlőség helyzetét a digitális környezetben. Az Európai Unió kontextusában olyan mennyiségi és minőségi mutatókat vizsgál, amelyek a nyelvi egyenlőséget tárják fel, figyelembe véve a beszélők számát, a digitális nyelvi erőforrásokat és technológiákat, valamint az ezekhez nyújtott támogatást, különös tekintettel Litvánia esetére. A tanulmány át kívánja tekinteni a nyelvi technológiák területén már elvégzett munkát, és azonosítani kívánja azokat a hiányosságokat és kihívásokat, amelyekkel a litván mint hivatalos nemzeti és EU-nyelv esetében még foglalkozni kell. A digitális nyelvi erőforrások és eszközök/szolgáltatások elemzésén keresztül a litván nyelvi technológiák helyzetének legfrissebb áttekintését nyújtja. Az eredmények azt mutatják, hogy bár az elmúlt tíz évben számos változás történt, az oktatásban és más területeken továbbra is hiányoznak a nyelvi erőforrások.
KULCSSZAVAK: európai nyelvek, nyelvi erőforrások, nyelvi eszközök/szolgáltatások, nyelvi egyenlőség, nyelvi technológiák.
184
Acta Linguistica Lithuanica LXXXVI
Page 2
European Language Equality in the Digital Age: The Case of Lithuania
ÖSSZEFOGLALÓ
A tanulmány a litván nyelvi technológiák állapotáról ír, és megismertet az európai nyelvek digitális környezetben fennálló egyenlőségének helyzetével. Az Európai Unió kontextusában a nyelvi egyenlőséget feltáró mennyiségi és minőségi mutatókat vizsgálja, figyelembe véve a beszélők, a digitális nyelvi erőforrások és technológiák számát, valamint az ezekhez nyújtott támogatást, különös figyelmet fordítva Litvánia esetének elemzésére. A tanulmány célja, hogy kiemelje a nyelvi technológiák területén eddig elvégzett munkát, feltárja a hiányosságokat, és bemutassa azokat a kihívásokat, amelyekkel a hivatalos nemzeti és európai uniós nyelvnek, a litvánnak szembe kell néznie és amelyeket meg kell oldania. A tanulmány a digitális nyelvi erőforrások és eszközök/szolgáltatások elemzésével a litván nyelvi technológiák helyzetének legújabb áttekintését adja. Az eredmények azt mutatják, hogy bár az elmúlt 10 évben jelentős változások történtek, az oktatásban és más területeken továbbra is hiányoznak az erőforrások.
FŐBB SZAVAK: európai nyelvek, nyelvi erőforrások, nyelvi eszközök/szolgáltatások, nyelvi egyenlőség, nyelvi technológiák.
BEVEZETÉS
A nyelvi technológiák összefüggnek egymással, és közvetve vagy közvetlenül számos mindennapi tevékenységre hatnak: a munkára, az oktatásra, a kommunikációra stb. A nyelv a legtöbb digitális erőforrás alapját képezi: mobil eszközökét, közösségi hálózatokét, virtuális asszisztensekét, fordítóeszközökét, helyesírás-ellenőrzőkét stb. (Pastor et al. 2017: 19). Természetesen ezek a fejlesztések nem részesítik egyenlő mértékben előnyben valamennyi litván állampolgárt. El kell ismernünk, hogy a litván nyelvhez igazított technológiák még mindig hiányosak, ezért a beszélőknek gyakran az angolhoz kell folyamodniuk. Ez különösen fontos a nyelv életképességének és erejének értékelésekor, mivel a nyelvi technológiák hiánya végső soron a nyelvhasználat hanyatlásához vezethet. A litván nyelvi technológiák helyzete még nem elégíti ki valamennyi igényt.
A Litván Statisztikai Főosztály 2021-es adatai szerint a 16–74 éves korcsoportban a litvániai lakosság csaknem 87%-a használja az internetet (szemben a 2011-es csaknem 64,1%-kal és a 2016-os 74,4%-kal), a 16–24 éves korcsoportban ez az arány 100%, a 65–74 éves korcsoportban pedig 55,2%.¹ A 2021-es adatok szerint a háztartások 81,4%-ában van személyi számítógép, 86,6%-uk pedig internet-hozzáféréssel rendelkezik.² Az internetet főként információkeresésre, kommunikációra, szabadidős tevékenységekre és banki ügyintézésre használják: a 16–74 éves lakosság 79%-a használja
az internetet kommunikációra; 74%-uk híreket olvas; 71%-uk szabadidős tevékenységekre használja az internetet (filmeket vagy tévéműsorokat néz, zenét hallgat, felvételeket és játékokat játszik le vagy tölt le); 68%-uk online banki szolgáltatásokat vesz igénybe. Eközben a lakosság 27%-a tanulásra, szakmai fejlődésre vagy önképzésre használja az internetet.³ A 2021-es adatok szerint a 16–74 évesek 82,2%-a használja az internetet személyes célokra; például 65,2%-uk kommunikál közösségi hálózatokon, a lakosság 70,5%-a pedig valós időben tart kapcsolatot másokkal (például Skype-on, Messengeren, WhatsAppon, Viberen vagy Snapchaten).⁴ 2021-ben mintegy 225 000 .lt domaint regisztráltak (szemben a 2012-es mintegy 139 000-rel és a 2018-as mintegy 188 000-rel), amelyek közül több mint 2000 tartalmaz litván ékezetes betűket (ė, ž stb.). Emellett Litvánia továbbra is az üvegszálas internet vezető országai közé tartozik. Litvániában az üvegszálas hálózat lefedettsége eléri a 46,8%-ot.⁵
2020. október 13-án a Litván Köztársaság Seimasa jóváhagyott egy, a litván nyelv és jövője szempontjából fontos dokumentumot, A litván nyelv digitális környezetben történő fejlesztésének, valamint a nyelvi technológiák 2021–2027 közötti előmozdításának irányelvei.⁶ Az irányelveket a Litván Nyelvi Állami Bizottság által létrehozott munkacsoport dolgozta ki. Ezeknek az irányelveknek hozzá kell járulniuk a litván nyelv teljes körű használatának biztosításához a digitális környezetben, továbbá a litván nyelv státuszának megteremtéséhez és fenntartásához az információs társadalomban. Ehhez növelni kell a digitális nyelvi erőforrásokat – a szöveg- és beszédkorpuszokat –, fejleszteni kell a nyelvi technológiákat, és ezekre épülő közszolgáltatásokat kell létrehozni, hogy a társadalom egyetlen csoportja vagy régiója se érezze a digitális szakadékot, és hogy az idegen nyelvek könnyebben beilleszkedhessenek a litván társadalomba. A nyelvi technológiáknak elő kell segíteniük a litván társadalom és a diaszpóra közötti kapcsolatok erősítését, valamint a litván nyelvű közösség kirekesztettségének csökkentését a globális tudástársadalomban (Jaroslavienė, Miliūnaitė 2020).
Az irányelvek meghatározzák a litván nyelvi technológiák alapvető feladatait és kihívásait. Rögzítik, hogy mit kell Litvániában a közeljövőben megtenni, és milyen irányokban kell dolgozni: 1. Növelni kell a nyelvi technológiák területén dolgozó szakemberek kompetenciáját, valamint emelni kell a társadalom azon képességének szintjét, hogy élni tudjon a nyelvi technológiák kínálta lehetőségekkel.
European Language Equality in the Digital Age: The Case of Lithuania
2. Fel kell halmozni és gazdagítani kell a nyílt, megbízható, kiváló minőségű és újrahasznosítható digitális nyelvi erőforrásokat, valamint az egyéb digitális nyelvi adatkészleteket. 3. Fejleszteni kell a nyelvitechnológia-infrastruktúrát, a nyelvi technológiák alkalmazását a közszektorban és a közszolgáltatásokban, továbbá létre kell hozni és javítani kell a nyilvánosan hozzáférhető informatikai megoldásokat és eszközöket (Guidelines 2020).
Jó tudni, hogy jelentős előrelépés történt a litván nyelv digitális környezethez való igazításában: számos digitális nyelvi erőforrást és alapvető nyelvi elemzőeszközt, összetett online nyelvi szolgáltatásokat, valamint a litván nyelv ontológiáját fejlesztették ki, továbbá számos számítógépes programot és eszközt honosítottak. A társadalom számára fontos alkalmazott számítógépes szoftvereket litván nyelvre adaptálják, és folyamatban van a számítástechnikai terminusok szabványosítása. A litván kutatók aktívan részt vesznek a nemzetközi egyesületek együttműködési és mobilitási tevékenységeiben, és kialakult a litván nyelvi szakemberek azon magja, amely az információs technológia alkalmazásának területén dolgozik, és e területen rendszeresen innovatív munkákat fejleszt. Litvánia arra is törekszik, hogy minden állampolgár teljes körűen hozzáférjen a digitális megoldásokhoz, ezért a fogyatékossággal élők igényeihez való adaptálásukra irányuló politika nagyon fontos (Guidelines 2020).
A tanulmány tárgyát a litván nyelv digitális erőforrásai és eszközei/szolgáltatásai képezik. A tanulmány a litván digitális erőforrásokra vonatkozó adatokat kívánja megvizsgálni, és az általános európai kontextus figyelembevételével bemutatni a litván nyelv digitális környezetben történő fejlődésének jelenlegi állapotát. A fenti cél a következő feladatokat foglalja magában: 1) a litván nyelvi technológiák helyzetének megvitatása a többnyelvű európai kontextusban; 2) a kutatás során gyűjtött empirikus adatok elemzésének elvégzése; 3) a litván nyelv digitális környezetben fennálló helyzetének fő erősségei, gyengeségei, lehetőségei és veszélyei meghatározása. A kutatási adatokat7 2021–2022-ben az Európai Bizottság által finanszírozott „European Language Equality” projekt keretében8 gyűjtötték (a továbbiakban: ELE).
7 A szerző köszönetét fejezi ki a Litván Nyelvi Állami Bizottságnak, a Vilniusi Egyetemnek, a Vytautas Magnus Egyetemnek és a Tilde IT-nek a nyelvi erőforrásokra vonatkozó adatok gyűjtésében nyújtott segítségért.
8 Huszonnégy hivatalos nyelv és több mint 60 regionális és kisebbségi nyelv alkotja az EU nyelvi tájképét. Ez a projekt választ ad erre a felhívásra, és megteremti egy olyan stratégiai menetrend és ütemterv alapjait, amelynek célja, hogy Európában 2030-ra valósággá váljon a digitális nyelvi egyenlőség. Az ELE elsődleges célja az Európai Nyelvi Egyenlőségi Program kidolgozása egy stratégiai kutatási, innovációs és végrehajtási menetrend, valamint a 2030-ra Európában megvalósítandó teljes digitális nyelvi egyenlőség elérését szolgáló ütemterv formájában. Ezt a programot az egész európai nyelvtechnológiai, számítógépes nyelvészeti és nyelvközpontú MI-közösséggel, továbbá a kapcsolódó kezdeményezések és egyesületek, valamint a nyelvi közösségek képviselőivel közösen készítették el, nyelvi közösségek
Straipsniai / Articles
187
Page 5
ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ
A metaadatgyűjtési tevékenységek célja azoknak az összetevőknek a feltárása volt, amelyek hozzájárulnak a litván nyelv technológiai támogatottságának szintjéhez.
A metaadatgyűjtési folyamat első szakaszában a litván nyelvi erőforrásokra és technológiákra összpontosítottunk, azaz korpuszokra, más néven adatkészletekre (nyers vagy annotált, egynyelvű vagy két-/többnyelvű, mono- vagy multimodális szövegszegmensek vagy dokumentumok, hangfelvételek átiratai, szkriptek, hang- és videofelvételek stb., valamint tanulói korpuszok és jelnyelvi korpuszok); nyelvleírásokra, amelyek nyelvi modelleket és számítógépes nyelvtanokat foglalnak magukban; lexikai/fogalmi erőforrásokra, amelyek számítógépes lexikonokat, terminológiai adatbázisokat, helynévtárakat, ontológiákat, terminuslistákat, tezauruszokat stb. foglalnak magukban; valamint eszközökre/szolgáltatásokra: az interneten, más hálózatokon vagy a felhőben futó szolgáltatásokra, továbbá letölthető eszközökre, forráskódokra stb. (Giagkou, Piperidis 2021: 9). Ezek közé tartoznak az európai nyelvek alapvető NLP-eszközei (morfológiai elemzők, szófaji címkézők, lemmatizálók, elemzők stb.), szerzői eszközök (például helyesírás-, nyelvtan- és stílusellenőrzők), információ-visszakeresési/-kinyerési/-bányászati, szöveg- és beszédelemzési, gépi fordítási, természetesnyelv-megértési és -generálási, beszédtechnológiai eszközök/szolgáltatások stb. A második szakaszban további metaadatgyűjtési kört hajtottak végre. Ebben a szakaszban az európai LT-érintettek, valamint a nemzeti és európai, LT-központú projektek, az LT/NLP/MI közfinanszírozása, illetve minden olyan további kontextuális tényező azonosítására összpontosítottunk, amely az ELE előzetes meghatározásából következhet (Giagkou, Piperidis 2021: 9).
A gyűjtött litván nyelvi erőforrásokat az ELE valamennyi tagja által kitöltendő egységes metaadatűrlapon írták le, amely a következő kötelező és ajánlott elemeket tartalmazta. Kötelező elemek: erőforrástípus (az erőforrások típusokba sorolása: korpuszok, lexikai/fogalmi erőforrások, nyelvtanok/(nyelvi) modellek, eszközök/szolgáltatások); erőforrás neve (az ember által olvasható név vagy cím, amelyen az erőforrás ismert); céloldal; leírás (az erőforrásra vonatkozó információkat tartalmazó rövid, szabad szöveges ismertetés); nyelv(ek) (a korpusz vagy lexikai/fogalmi erőforrás által lefedett nyelv(ek), illetve egy eszköz/szolgáltatás bemeneti nyelve); korpusz-alosztály; lexikai/fogalmi erőforrás alosztálya; a nyelvtan/modell alosztálya; az alkotóelemek média típusa(i) (csak korpuszok és lexikai/fogalmi erőforrások esetében); a bemenet média típusa(i) (csak eszközök/szolgáltatások esetében); nyelvfüggő (csak eszközök/szolgáltatások esetében) stb. Ajánlott elemek: az erőforrás rövid neve; finanszírozási típus; az erőforrás közzétételének éve; licenc; a forrás honlapja; szervezet/szolgáltató: az erőforrás biztosításáért, gondozásáért, karbantartásáért és hozzáférhetővé tételéért felelős szervezet stb.
— valamint az RML-csoportok (a projektről további információ érhető el itt: https://european-language-equality.eu/about/).
188
Acta Linguistica Lithuanica LXXXVI
Page 6
European Language Equality in the Digital Age: The Case of Lithuania
1. EURÓPAI NYELVI EGYENLŐSÉG: (LEHETETLEN) LEHETSÉGES?
Az Európai Unió (a továbbiakban: EU) nyelvi tájképe gazdag és sokszínű. Huszonnégy hivatalos nyelvből és több mint 60 nemzeti és regionális nyelvből áll. Ez a nyelvi és kulturális sokféleség minden állam örökségének lényeges része, amelyet az EU nagyra értékel és támogat, különös tekintettel a többnyelvűségre. A többnyelvűséget mint uniós értéket az „Egység a sokféleségben” mottó vezérli, amelyet először 2000-ben használtak.⁹ Az EU különös figyelmet fordít a regionális vagy kisebbségi nyelvekre, és elkötelezett védelmük mellett: „A Regionális vagy Kisebbségi Nyelvek Európai Chartája a hagyományos kisebbségek által használt nyelvek védelméről és előmozdításáról szóló európai egyezmény. A nemzeti kisebbségek védelméről szóló keretegyezménnyel együtt az Európa Tanács nemzeti kisebbségek védelme iránti elkötelezettségének részét képezi.”¹⁰ Az európai nyelvek egyenlőségét egyhangúlag az EU egyik legnagyobb erősségeként ismerik el. Ugyanakkor számos kihívást is jelent, mivel minden állam eltérő demográfiai, geopolitikai, kulturális stb. helyzetben van, és elkerülhetetlenül különféle akadályokkal, köztük nyelvi akadályokkal szembesül; a nyelvi technológiák terén jelentős szakadék tapasztalható. Ezt hangsúlyozza az Európai Parlament „Nyelvi egyenlőség a digitális korban” című határozata is.¹¹
Az EU hivatalos nyelveinek beszélőire vonatkozó számok (lásd az 1. ábrát) azt mutatják, hogy a következő nyelvek a leggyakrabban beszélt öt nyelv közé tartoznak: angol (körülbelül 30%), német (17%), francia (15%), spanyol (8%) és olasz (7%).
A domináns nyelveket (az első ötöt) bemutató adatok nem változnak, ha az EU valamennyi nyelvét értékeljük (lásd például a 2. ábrát). Az EU létrejötte óta kifejezetten kijelentik, hogy Európa megőrzi nyelvi és kulturális sokféleségét; erre jelentős összegeket különítenek el (Rehm, Uszkoreit 2013: 12–14). A jelenlegi helyzet azonban azt mutatja, hogy a kevesebb beszélővel rendelkező nyelvek továbbra is különféle nyelvi akadályokkal szembesülnek, és folyamatosan vitatják, hogyan lehet ezt a nyelvi egyenlőtlenséget digitális eszközökkel csökkenteni, mivel technológiai támogatás nélkül lehetetlen ennyi uniós nyelvet megtanulni.
⁹ További információ: https://european-union.europa.eu/principles-countries-history/symbols/eu-motto_lt.
¹⁰ További információ: https://www.coe.int/en/web/european-charter-regional-or-minority-languages?.
¹¹ További információ: https://www.europarl.europa.eu/doceo/document/TA-8-2018-0332_EN.html.
Straipsniai / Articles
189
Page 7
ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ
1. ábra: Az EU hivatalos nyelveinek beszélőszáma 12
Ha az európai nyelvi egyenlőség helyzetét a beszélők száma alapján vizsgáljuk, azt látjuk, hogy az EU valamennyi nyelve a következőképpen csoportosítható: a legveszélyeztetettebb nyelvek állnak a legfelső helyen (2. ábra), és ez a nyelvlista meglehetősen hosszú; viszonylag Észtországig húzhatnánk meg a határt. A középső csoportot olyan nyelvek alkotják, amelyeket viszonylag kevés beszélő használ, ennek ellenére a nyelvi technológiák és a technológiai támogatás egyéb mutatói alapján magasabb helyet foglalnak el (3. ábra). Alul az EU azon hivatalos nyelveinek listája látható, amelyek a beszélők száma és az egyéb mutatók alapján a legerősebb pozíciót foglalják el (lásd alább). Függetlenül attól, hogy a regionálisan elismert nyelvek más uniós nyelvekkel egyenlő feltételek mellett működhetnek, nem szabad elvetni azt a feltételezést, hogy a hivatalos nyelvek státusza erősebb, és a technológiai szakadék továbbra is nagyon nagy.
12 Adatok innen: https://european-language-equality.eu/languages/.
190
Acta Linguistica Lithuanica LXXXVI
Page 8
European Language Equality in the Digital Age: The Case of Lithuania
2. ábra: Az EU nyelveinek beszélőszáma
A nyelvi erőforrásokra és fejlesztésükre fordított támogatásra vonatkozó legfrissebb, 2022-es adatok (lásd a 3. ábrát) azt mutatják, hogy továbbra is az angol a legjobban támogatott nyelv. A francia, a német és a spanyol is versenyben van, és eredményeik egyes dimenziókban hasonlóak az angoléhoz. Az EU többi hivatalos nyelve mérsékelt támogatásban részesül; néhány nyelv azonban csak gyenge vagy semmilyen támogatást nem kap. A nemzeti vagy regionális nyelvek is töredékes támogatásban részesülnek; más nyelvek a támogatás szintje alapján határesetnek számítanak. Az elemzés általános következtetése, hogy egyetlen természetes nyelv sem részesül optimális technológiai támogatásban, vagyis egyetlen nyelv esetében sem sikerült elérni a szükséges támogatási szintet, még az angolnál sem (Gaidienė, Tamulionienė 2022: 17).
Straipsniai / Articles
191
Page 9
ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ
3. ábra: A technológiai támogatás állapota 2022-ben (Az ábra forrása: Gaidienė, Tamulionienė 2022: 17). Világosszürke: gyenge/nincs támogatás; szürke: töredékes támogatás; sötétszürke: jó támogatás
192
Acta Linguistica Lithuanica LXXXVI
Page 10
European Language Equality in the Digital Age: The Case of Lithuania
Az ELE projekt keretében összehasonlították az egyes nyelvek 2012 óta elért fejlődésének szintjét (további információért lásd: Vaišnienė, Zabarskaitė 2012). Láthatjuk (lásd a 4. ábrát), hogy a nyelvek technológiai szintje jelentősen megváltozott (például a virtuális asszisztensek, chatbotok széles körű használata, a szövegelemzési képességek javulása stb.). Az elemzés eredményei csak a nyelvek relatív helyzetét mutatják, nem pedig egy adott nyelv elért fejlődését. A nyelvtechnológia területe az elmúlt tíz évben jelentős fejlődést ért el, de továbbra is nyilvánvaló a legjobban és a kevésbé támogatott nyelvek közötti szakadék.
4. ábra: A kiválasztott európai nyelvek technológiai támogatásának általános állapota (2022) (Az ábra forrása: Gaidienė, Tamulionienė 2022: 18)
Nehéz megmondani, hogy elérhető-e az európai nyelvi egyenlőség. Jelentős szakadék tátong, ha összehasonlítjuk a beszélők számát, a nyelvi erőforrásokat és technológiákat, valamint az ezekhez nyújtott támogatást. Az ELE projekt keretében készült „Report on the state of Language Technology in 2030” című jelentés rámutat, hogy 2030-ig két pont különösen kritikus: „1) A neurális nyelvi modellek és a kapcsolódó technikák kulcsfontosságúak a nyelvtechnológiák fejlődésének fenntartásához. Ezért a nyelvi egyenlőség szempontjából kulcsfontosságú, hogy más nyelvek számára is az angoléval azonos minőségű neurális nyelvi modelleket lehessen létrehozni; 2) A többnyelvű adatok jelentik az ilyen modellek különböző nyelveken történő betanításának kulcselemét. Nem vehetjük magától értetődőnek, hogy minden európai nyelv esetében könnyen hozzáférhetők nagy mennyiségű, jó minőségű, nyilvánosan elérhető korpuszok; éppen ellenkezőleg.
Straipsniai / Articles
193
Page 11
ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ
Annak biztosítására irányuló erőfeszítésnek, hogy minden nyelvhez nagy mennyiségű, jó minőségű, nyilvánosan hozzáférhető korpusz álljon rendelkezésre, a méltányossági szempontokat figyelembe véve, minden jövőbeli, DLE irányába tett erőfeszítés középpontjában kell állnia”13”14. Az ELE projekt kiemelt figyelmet fordít erre; a tervek szerint részletes stratégiai terv készül, amely 2030-ig konkrét intézkedéseket határoz meg.
2. A NYELVI ADATOK ÉS ESZKÖZÖK ELÉRHETŐSÉGE
Amint korábban említettük, a rendelkezésre álló digitális litván nyelvi erőforrásokra vonatkozó adatokat az ELE projekt részeként gyűjtötték. Összesen 218 litván nyelvű digitális erőforrást gyűjtöttek össze és írtak le, amelyek legnagyobb részét a lexikai/fogalmi erőforrások alkotják (139; 64%); ezt követik az eszközök/szolgáltatások (53; 24%); a korpuszok (24; 11%) a harmadik helyen állnak, míg a nyelvtanok/nyelvi modellek15 (2; 1%) a negyedik helyet foglalják el (lásd az 5. ábrát).
5. ábra: A litván nyelv digitális erőforrásainak típusai
15 Litvánia lemaradásban van a nyelvtani/nyelvi modell digitális erőforrásai tekintetében; mivel ezen a területen alig néhány erőforrást azonosítottak, a tanulmány külön nem tárgyalja őket.
194
Acta Linguistica Lithuanica LXXXVI
Page 12
European Language Equality in the Digital Age: The Case of Lithuania
A tanulmány az egyes digitális erőforráscsoportokat külön tárgyalja, bemutatva a legismertebb és legnagyobb erőforrások, eszközök és elektronikus szolgáltatások példáit.
2.1. Lexikai/fogalmi erőforrások
A lexikai/fogalmi erőforrások legnagyobb részét a szótárak/lexikonok teszik ki (77%); ezeket a terminológiai erőforrások követik (15%). A lexikai/fogalmi erőforrások közé tartoznak továbbá az ontológiák és a szóhálók (4%).
A digitális szótárak többségét a Litván Nyelvi Intézet fejleszti, és a litván nyelvi erőforrások E. KALBA információs rendszerén keresztül érhetők el16.
Az E. KALBA hozzáférést biztosít a legújabb leíró normatív Standard Litván Nyelv Szótárához17, amely jelenleg 74 062 címszót tartalmaz (a B, C, Č, D, E, Ę, Ė, F, G, H, I, J, O, R, Z, Ž betűkkel kezdődő valamennyi szócikk és a teljes nomenklatúra online hozzáférhető). A szótárhoz több ezer új szót és új jelentést adnak hozzá; a címszavakat a tényleges nyelvhasználatból származó számos hiteles példával illusztrálják.
A litván nyelvi erőforrások E. KALBA információs rendszerében más egynyelvű leíró szótárak is elérhetők: A Modern Litván Nyelv Szótára18 (8th. átdolgozott és frissített kiadás, amely 48 342 címszót tartalmaz), valamint A Litván Nyelv Szótára19 (amely a litván nyelv 16.th századtól a 20.th század végéig terjedő lexikáját tükrözi. A szótár 310 659 címszót tartalmaz). Az E. KALBA szakosított szótárakat is kínál: a folyamatosan frissített Litván Neologizmusok Adatbázisát20 (amely a 20.th század végétől a litván nyelvbe bekerült, jelenleg közhasználatú új szavakat — kölcsönszavakat és új alkotásokat —, szókapcsolatokat és rövidítéseket, illetve új jelentéseket tartalmaz, eredetükre, használatukra és standardizálásukra vonatkozó információkkal együtt. Jelenleg több mint 7000 bejegyzést tartalmaz); A szinonimák szótárát,21 Az antonimák szótárát,22 The
Frazeológiai szótár,23 A hasonlatok szótára,24 stb. Különféle kétnyelvű szótárak is megtalálhatók,25 például litván–angol és angol–litván; litván–német és német–litván; litván–lett és lett–litván szótárak stb.
A lexikonok kategóriájába különféle cédulaanyagok is tartoznak,26 például a Litván nyelv szótárának főcédula- és kiegészítő cédulaanyaga, valamint nyelvjárási cédulaanyaga stb.
A terminológiai erőforrások közül tartalmát tekintve a legnagyobb és legmegbízhatóbb litván terminusforrás, a Litván Köztársaság Terminológiai Bankja,27 a legismertebb. E terminológiai bank fő forrásai a jogszabályok és a terminusjegyzékek (több mint 255 000 terminusbejegyzés érhető el). A bank különböző területek terminusgyűjteményeit tartalmazza (összesen 26 területét, például a politikáét, a védelemét, a pénzügyét, a környezetvédelemét, a közlekedését, a kultúráét, az egészségügyét stb., amelyeket további területekre osztanak). A Litván Szabványügyi Testület Terminológiai Adatbázisa28 szabványokból származó terminusok gyűjteményét tartalmazza. Jelenleg 76 000 terminusbejegyzést tartalmaz. A litván nyelvi erőforrások RAŠTIJA.LT információs rendszere29 32 terminusjegyzékben kínál keresési lehetőséget. A terminusok területei a terminusjegyzékektől függnek: találhatók itt elektrotechnikai, számítástechnikai, vezetéstudományi, nyelvpedagógiai, matematikai, metrológiai, meteorológiai stb. terminusok.
Litvániában kevés ontológia és szemantikai hálózat található. Ilyen a Litván nyelv általános ontológiája⟟, a litván orvosi terminusok nyílt hozzáférésű ontológiája, a Snomed CT,30 valamint az E-terms elektronikus szolgáltatás,31 amely a következő területek ontológiáit tartalmazza: Az emberi anatómiai terminusok ontológiája (7500 terminus), A gazdasági terminusok ontológiája (500 terminus) és A számítógépes hardver és alkatrészek ontológiája (1000 terminus). Több litván WordNetünk is van, amelyek tovább bővíthetők: LitWorNet32 (további információért,
26 „A digitális szótár (vagy lexikon) szócikkek jegyzéke (általában önálló szavaké vagy többszavas kifejezéseké), amely szükség esetén további információkkal egészül ki” (Pastor et. al. 2017: 29).
European Language Equality in the Digital Age: The Case of Lithuania
lásd Vitkutė-Adžgauskienė et al. 2015), valamint a WordNet33 (24 000 szinettel, amelyek közül 10 000 a Princeton WordNet szinjeihez kapcsolódik).
2.2. Eszközök/szolgáltatások
A digitális eszközök/szolgáltatások legnagyobb részét a szöveg- és adatelemzés teszi ki (36%); ezt a beszédfelismerés (15%), a nyelvtani ellenőrzés és a helyesírás-ellenőrzés (8%), a gépi fordítás (6%), valamint egyéb területek követik. Az eszközök/szolgáltatások tekintetében hozzá kell tenni, hogy nyelvfüggők (98%), és a bemenet leggyakoribb médiatípusa a szöveg (80%).
Mindenekelőtt említést érdemelnek a már kifejlesztett gépi fordítórendszerek. A „Tilde informacinės technologijos” UAB ingyenesen lehetővé teszi az ideghálózatokon alapuló többnyelvű gépi fordítóeszköz, a Tilde Translator,34 használatát. Fejlesztői szerint „ez a statisztikai gépi fordítóeszköz a legjobb a piacon, és a litván–angol, angol–litván, lett–angol és angol–lett nyelvpárokra van beállítva. A lett nyelvről oroszra fordító szabályalapú gépi fordítórendszer szintén használható”.35 Jelenleg a Tilde Translator segítségével litvánról németre, lengyelre, angolra, ukránra és oroszra lehet fordítani.
Az ALPMAVIS gépi fordítórendszer szabadon hozzáférhető a felhasználók számára.36 A rendszer a következő nyelvpárokat fedi le: litván–angol–litván, litván–francia–litván, litván–német–litván, litván–lengyel–litván és litván–orosz–litván. A fent említett rendszert általános, jogi és IT-területekre hangolták.37
Meg kell említeni a Litvánián kívül kifejlesztett, ingyenes fordítórendszereket is, például a Google Translate, a Microsoft Bing Translator, az eTranslation stb. Ez utóbbi fordítórendszer a kormányzati intézmények számára ingyenesen elérhető, és jobban megfelel közigazgatási és jogi szövegek fordítására.
Különféle szolgáltatások készültek a felhasználók számára, amelyekben a beszédfelismerési technológiát számítógépek hangvezérlésére tervezték, például a Browser38 (böngészés
33 Elérhető: https://ekalba.lt/zodziu-prasmiu-tinklas/?p=1. 34 Elérhető: https://translate.tilde.com/#/. 35 További információ: https://www.tilde.lt/kalbines-technologijos/tilde-vertykle. 36 Elérhető: https://vertimas.vu.lt/Home/About. 37 További információ: https://vertimas.vu.lt/Home/About. 38 Elérhető: https://raštija.lt/liepa/paslaugos-vartotojams/narsytuvas/.
Straipsniai / Articles
197
Page 15
ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ
hangvezérlés); Controller39 (számítógépes hangvezérlés); Searcher40 (az UNESCO örökségi erőforrásainak hangalapú keresése); Recognizer41 (hangvezérlés tanulása); Helper42 (hangvezérlés fogyatékossággal élők számára); Coaching Robot Controller43 (humanoid robot vezérlése gyermekek számára); Taxi Caller44; Caller45 (telefonos kapcsolatok hívása); Interlingual Communicator46 (litván–kínai) stb. Ingyenesen elérhető beszédfelismerési alkalmazás is van,47 amely egy előre rögzített hangfájlból vagy valós idejű diktálásból szöveget állít elő.
Néhány Litvániában kifejlesztett szolgáltatás beszédszintetizáló technológiával is rendelkezik, például a Pronouncer48 (a litván neologizmusok hangos szótára); A vakok litván beszédszintetizátora49 (SAPI5-kompatibilis litván beszédszintetizátor, amely hangosan felolvassa a számítógép monitorán megjelenő tartalmat); A vakok mobil szintetizátora50; Az online hírolvasó51 (litván nyelvű hírek gyűjtése és felolvasása szintetizált hangon). Ingyenesen elérhető egy beszédszintetizáló alkalmazás is,52 amely a szöveget beszéddé alakítja.
A litván nyelvű digitális szövegek alapvető elemzésére szolgáló főbb ingyenes, nyílt forráskódú eszközöket különböző litvániai projektek keretében hozták létre, nevezetesen szegmentálót, lemmatizálót, morfológiai elemzőt, szófaji címkézőt, szintaktikai elemzőt, helyesírás-ellenőrzőt, szövegnormalizálót, a litván szövegek indexeinek fejlett keresésére szolgáló megoldást, többszavas kifejezések kivonóját stb. (Guidelines 2020).
Ingyenes, nyílt forráskódú nyelvazonosítási és szemantikai elemzési megoldások is léteznek: az egyszerű és aspektusalapú érzelem- (vélemény-)elemző,53 a gyűlölet
European Language Equality in the Digital Age: The Case of Lithuania
beszédfelismerési eszköz,54 az automatikus dokumentum-összefoglaló szolgáltatás,55 a felismert entitások felismerésére szolgáló eszköz (Guidelines 2020).
2.3. Korpuszok
Litvánia folytatja a nyelvi technológiák és alkalmazásaik előállításához szükséges általános nyelvi adatok és erőforrások létrehozását és fejlesztését. Litvániában több korpusz is található, amelyekben a megjelölt korpuszok dominálnak (91%), és amelyek részeinek fő médiatípusa a szöveg (96%).
A kortárs litván nyelv korpusza56 a litván nyelv legnagyobb korpusza. 140 921 288 szót tartalmaz (szépirodalom – 11,6%, szakirodalom – 14,2%, közigazgatási irodalom – 10%, kiadványok – 63,8%, beszélt nyelv – 0,3%). A korpusz összeállítása 1992-ben kezdődött, utolsó frissítésére 2011-ben került sor.
Morfológiailag és szintaktikailag annotált korpuszok is léteznek. A Morfológiailag annotált litván korpusz (MATAS)57 terjedelme 1,6 millió szó (a folyóiratokból származó szövegek 36%-a, a tudományos szakirodalomból származó szövegek 24%-a, a szépirodalmi szövegek 19%-a, a közigazgatási szövegek 2,8%-a, a Litván Köztársaság parlamentjének szó szerinti jegyzőkönyvei 6,8%-a). A korpuszt félautomatikus módon állították elő, az eredményeket pedig nyelvészek ellenőrizték. A korpusz feltárta a litván nyelv nagyléptékű morfológiai poliszémiáját, vagyis hogy a formák csaknem fele morfológiailag poliszém. A Litván ALKSNIS-függőbank58 legújabb változata (ALKSNIS 3.0) 3643 szintaktikailag annotált mondatot tartalmaz PML (Prague Mark-up Language) formátumban.
Litvániában több párhuzamos korpuszt is elindítottak. A Párhuzamos korpusz59 cseh–litván szavakat (20,29%), angol–litván szavakat (76,6%), litván–cseh szavakat (0,8%) és litván–angol szavakat (2,31%) tartalmaz. A LILA párhuzamos korpuszt60 félautomatikus módon hozták létre, a szövegeket bekezdés- és mondatszinten igazítva. A korpusz 1991-ben vagy azt követően publikált szövegekből áll. A korpusz teljes terjedelme 8 782 050 szó:
A litván–lett szövegek teszik ki a nagyobb részt (3 448 745 szó), míg a lett–litván szövegek ennek felét adják (1 695 160 szó). Az adatok ilyen aszimmetrikus összetétele annak eredménye, hogy az elmúlt években több szöveget fordítottak litvánról lettre, mint fordítva.
Más típusú korpuszok is léteznek, például A beszélt litván nyelv korpusza,61A tankönyvi szövegek gyűjteménye KLASIUS62; A régi litván nyelv korpusza63; CorALit64: Corpus Academicum Lithuanicum stb.
A legtöbb korpusz adataihoz nyílt hozzáférés biztosított.
Összefoglalva: a meglévő digitális nyelvi erőforrások és eszközök/szolgáltatások előállítása és fejlesztése jelentős előrelépést mutatott Litvániában; a litván nyelvi erőforrások és eszközök/szolgáltatások számára több infrastruktúra is létezik (E. KALBA, RAŠTĮJA.LT stb.), amelyek ingyenes hozzáférést biztosítanak különféle digitális szótárakhoz, lexikonokhoz stb., valamint különféle beszédvezérelt szolgáltatásokat, a litván nyelvű digitális szövegek alapvető elemzését, ingyenes nyílt kódú eszközöket stb. kínálnak. Különféle korpuszokat és gépi fordítórendszereket állítanak elő és fejlesztenek tovább. Mindazonáltal hiány mutatkozik a multimédiás nyelvi adatok, a gépi fordításra irányuló párhuzamos korpuszok, a különféle beszédkorpuszok stb. terén. A szöveg szemantikáját illetően továbbra is vannak hiányosságok, mivel hiányoznak a jó minőségű WordNetek, ontológiák stb. A grammatika területe jelenleg meglehetősen elhanyagolt: hiányoznak a digitális grammatikák és más technológiai eszközök, amelyek hozzájárulhatnának a nyelvi technológiák fejlődéséhez és magasabb minőségéhez.
3. A LITVÁN NYELV HELYZETE A DIGITÁLIS KÖRNYEZETBEN: ERŐSSÉGEK, GYENGESÉGEK, LEHETŐSÉGEK ÉS VESZÉLYEK
A litván nyelv digitális környezetben elfoglalt helyzetét a fő rendelkezésre álló dokumentum-adatbázis, valamint a nyelvi erőforrások és technológiák nemzeti infrastruktúrái, továbbá a fő konzorciumok, szövetségek és projektek figyelembevételével értékelték. A főbb dokumentumokat és erőforrásokat részletesen ismertetik (lásd Guidelines 2020). E tanulmány célja, hogy általános megfogalmazásban írja le ezeket, feltárva az erősségek, gyengeségek, lehetőségek és veszélyek eredetét.
European Language Equality in the Digital Age: The Case of Lithuania
3.1. A litván kormány és más állami intézmények több programot támogatnak a nyelvészeti kutatás és terjesztés előmozdítására. A litvániai nyelvtechnológiai politikákra vonatkozó következő dokumentumok vannak hatályban: 1) A litván nyelv digitális környezetben történő fejlesztésének és a nyelvi technológiák 2021–2027 közötti fejlődésének irányelvei65 (további információért lásd a 2. oldalt); 2) A Litván Mesterségesintelligencia-stratégia: Jövőkép (2018)66, amelyet a Litván Köztársaság Gazdasági és Innovációs Minisztériuma bocsátott ki. A stratégia célja „hogy Litvánia a meglévő erőforrásokra, tapasztalatra és potenciálra építve regionális vezetővé váljon. Célja Litvánia versenyképességének növelése az uniós országok között, valamint sikeres részvételének biztosítása a globális MI-ökoszisztémában” (AI Strategy 2018); 3) Litvánia előmozdításának „Lietuva 2030” stratégiája.67 Ez a stratégia felvázolja „az állam jövőképét és fejlesztési prioritásait, valamint azok 2030-ig történő megvalósításának irányait. Ez a fő tervezési dokumentum, amelyet figyelembe kell venni a stratégiai döntésekben és az állami tervek vagy programok kidolgozásakor” (Strategy 2012). 2021. július 2-án az Európai Bizottság jóváhagyta a Litvánia helyreállítási és rezilienciaépítési tervét. „Litvánia tervének átalakító hatása a Litvánia sajátos kihívásait kezelő reformok és beruházások erőteljes kombinációjának eredménye.”68
3.2. Litvániának több nemzeti technológiai és nyelviadat-infrastruktúrája van: 1) a RAŠTIJA LT69 a Vilniusi Egyetem Matematikai és Informatikai Intézete által kifejlesztett integrált litván nyelvi és írásos erőforrások, termékek és szolgáltatások rendszere: tudásbázis, keresőeszközök stb.; 2) a CLARIN–LT70 – a 2015-ben létrehozott litván nemzeti konzorcium (a CLARIN-ERIC tagja). Jelenleg öt kutatóintézményből áll: a Vytautas Magnus Egyetem (koordinátor), a Kaunasi Műszaki Egyetem, a Vilniusi Egyetem, a Mykolas Romeris Egyetem és a Balti Fejlett Technológiák Intézete; 3) az E. KALBA71 – a Litván Nyelv Intézete által kezelt litván nyelvi erőforrások információs rendszere. Ebben a rendszerben kilenc egynyelvű és tíz kétnyelvű szótár, különféle cédulaanyagok és adatbázisok
(nyelvjárási archívum; a litván helynevek geoinformációs adatbázisa stb.), valamint elektronikus szolgáltatások (keresés a Jelentések hálózatában, E-Concepts, Véleményelemző stb.); 4) a SEMANTIKA72 – a litván szintaktikai és szemantikai elemzési információs rendszer (LSSAIS), amely „egyedülálló nyelvtechnológiai infrastruktúra és állami információs rendszer, amely beszédfelismerési és szövegelemzési szolgáltatásokat nyújt a litván nyelv számára. Az információs rendszer kezelője a Vytautas Magnus Egyetem”.73
3.3. A fő konzorciumok, szövetségek és projektek, amelyekhez Litvánia tartozik vagy amelyekben részt vesz. Az Európai Nemzeti Nyelvi Intézmények Szövetségét (EFNIL) Litvániában a Litván Nyelv Intézete és a Litván Nyelvi Állami Bizottság képviseli. A szövetség különös figyelmet fordít az EU-tagállamok nyelveire és Európa nyelvi sokféleségére.74Az Európai Nyelvi Erőforrás-koordináció (ELRC) „kezeli, fenntartja és koordinálja a megfelelő nyelvi erőforrásokat az EU valamennyi hivatalos nyelvén és a CEF-hez társult országokban. Ezek a tevékenységek elősegítik az automatizált fordítási megoldások minőségének, lefedettségének és teljesítményének javítását a jelenlegi és jövőbeli CEF digitális szolgáltatások összefüggésében”.75A Közös Nyelvi Erőforrások és Technológiai Infrastruktúra (CLARIN-ERIC) „olyan kutatási infrastruktúra, amely abból a jövőképből indult ki, hogy Európa-szerte és azon túl minden digitális nyelvi erőforrás és eszköz online környezeten keresztül hozzáférhető legyen a bölcsészet- és társadalomtudományi kutatók támogatására”.76 A CLARIN-LT a Vytautas Magnus Egyetem által koordinált litván nemzeti konzorcium, amely a CLARIN-ERIC tagja. Az Európai Nyelvi Rács (ELG) „skálázható felhőplatformot fejleszt és üzemeltet, amely könnyen integrálható módon hozzáférést biztosít több száz kereskedelmi és nem kereskedelmi nyelvtechnológiához valamennyi európai nyelv számára, beleértve a futó eszközöket és szolgáltatásokat, valamint az adatkészleteket és erőforrásokat”.77 2019 óta az ELG-t Litvániában a Litván Nyelv Intézete képviseli. Az Európai Nyelvi Egyenlőség (ELE) elsődleges célja „az Európai Nyelvi Egyenlőségi Program előkészítése stratégiai kutatási, innovációs és végrehajtási menetrend, valamint a teljes digitális
72 Elérhető: https://www.semantika.lt.
73 További információ: https://www.semantika.lt/Help/About.
74 További információ: http://www.efnil.org.
75 További információ: https://www.lr-coordination.eu.
76 További információ: https://www.clarin.eu.
77 További információ: https://www.european-language-grid.eu.
202
Acta Linguistica Lithuanica LXXXVI
Page 20
European Language Equality in the Digital Age: The Case of Lithuania
nyelvi egyenlőség elérése Európában 2030-ig”.⁷⁸ 2021 óta az ELE-t Litvániában a Litván Nyelv Intézete képviseli.
A 2014–2020 közötti időszakban a litván nyelvi megoldások digitális térben történő megvalósításának finanszírozása az uniós alapok beruházásainak operatív programjából, a 2. prioritási tengelyből (Az információs társadalom előmozdítása) származott. 2018-ban öt projektet indítottak: „A litván beszédvezérelt szolgáltatások fejlesztése” (LIEPA–2), „A litván szövegek szintaktikai-szemantikai elemzési információs rendszere közszolgáltatásainak fejlesztése” (SEMANTIKA–2), „A gépi fordítórendszerek és lokalizációs szolgáltatások fejlesztése és továbbfejlesztése”, „Az integrált litván nyelvi és írásos erőforrások információs rendszerének fejlesztése” (RAŠTIJA 2), valamint „A litván nyelvi erőforrások információs rendszerének fejlesztése” (E. KALBA). 2020 végéig összesen 21 közszolgáltatást hoztak létre elektronikus formában. A kutatási és oktatási intézmények, valamint a gazdasági vállalkozások voltak a program legaktívabb résztvevői (Guidelines 2020). A fenti projektek mellett egyéb, az EU strukturális alapjai, az Európai Bizottság, nemzeti projektalapok stb. által finanszírozott nyelvtechnológiai projekteket is megvalósítottak.
3.4. A 2007–2010 közötti információs társadalmi litván nyelvi program SWOT-elemzést (erősségek, gyengeségek, lehetőségek és veszélyek) tartalmaz, amelyet a Litván Köztársaság Seimasa hagyott jóvá.⁷⁹ Kiváló kiindulópontot jelent a jelenlegi helyzet elemzéséhez. Örvendetes, hogy jelentős előrelépés történt, és az akkori gyengeségek vagy veszélyek többségét már régen felszámolták és elfelejtették. Jelentős előrelépés történt a litván nyelv digitális környezethez való adaptálásában: számos digitális nyelvi erőforrást és alapvető nyelvi elemzőeszközt fejlesztettek ki, összetett online nyelvi szolgáltatásokat hoztak létre, kidolgozták a litván nyelv ontológiáját, és számos számítógépes programot és eszközt lokalizáltak. A társadalom számára releváns számítógépes alkalmazásokat lokalizálták, a számítógépes terminusokat szabványosították. A litván kutatók aktívan részt vesznek a nemzetközi egyesületek mobilitási tevékenységeiben és együttműködnek azokban. Számos litván nyelvszakember az információtechnológia területére összpontosít, és ezen a területen módszeresen fejleszt innovatív munkát. Litvánia számára nagyon fontos, hogy valamennyi állampolgár teljes hozzáférést kapjon a digitális megoldásokhoz, ezért különösen fontos az erőforrásokhoz való hozzáférés fogyatékossággal élő személyekhez igazítása (Gaidienė, Tamulionienė 2022: 17–18).
⁷⁸ További információ: https://european-language-equality.eu.
Az európai nyelvek jelenlegi helyzetének általános elemzése, a nap mint nap megjelenő innovációk, a társadalom növekvő igényei stb. új kihívásokat támasztanak, és új lehetőségeket, valamint új veszélyeket nyitnak meg.
Lietországban továbbra is hiányoznak az elektronikus környezetben azok a nyelvi erőforrások, amelyek a litván nyelv és az információs technológiák gyorsabb integrációját szolgálnák, valamint a litván nyelv információs technológiákkal való kezelésére vonatkozó szabványok. A releváns szoftverek széles köre még nem lett litván nyelvre átültetve és a társadalom igényeihez igazítva; továbbra is biztosítani kell a számítástechnikai terminusok, szókincs és kifejezések egységes használatát a szoftverekben, valamint gondoskodni kell a beszélt litván nyelv (beszéd) használatáról az elektronikus, számítógépes és számítógépesített eszközök környezetében.
Nemzeti szinten elengedhetetlen az egyértelmű jogi keret annak biztosításához, hogy az elektronikus, strukturálatlan információforrásokból (szövegekből) történő automatikus adatkinyerésen és -elemzésen alapuló kutatási (nem kereskedelmi és kereskedelmi) innovációk egyenlő elbánásban részesüljenek. Csak akkor lesz lehetőség a litván nyelv információs technológiákban való alkalmazására szolgáló hatékony eszközök fejlesztésére, ha összegyűjtötték a jelenlegi litván nyelv jelenségeit tükröző releváns erőforrások kellő mennyiségét. Különös figyelmet kell fordítani valamennyi fogyasztó lehetőségeihez és szükségleteihez való alkalmazkodásra, hogy ne programozzuk be a társadalmi kirekesztést, amely az egész társadalomra kihatna. Fontos olyan litván nyelvű felületek létrehozása, amelyek közvetlenül csökkentenék a társadalmi nyelvi elkülönülést, elősegítenék a szoftverek jogszerű használatát, és csökkentenék a lemaradást a régi EU-tagállamokhoz képest az információs technológia használatában. Szintén fontos megteremteni a litván nyelv számítógépeken és számítógép-vezérelt eszközökön való használatának feltételeit, valamint a beszélt litván nyelvvel (beszéddel) vezérelt számítógépek alkalmazását, továbbá fejleszteni a számítógépes hangvezérlés eszközeit annak érdekében, hogy a fogyatékossággal élő személyek és más személyek korlátozás nélkül hozzáférhessenek az elektronikus szolgáltatásokhoz. A számítógépes nyelvészet és a nyelvtechnológiák önálló tantárgyként még nem honosodtak meg a litván felsőoktatási rendszerben. Egyetlen egyetem sem kínál nyelvtechnológiai képzést valamennyi szinten. Ezen változtatni kell (Gaidienė, Tamulionienė 2022).
Lietországban növelni kell a nyelvtechnológiák területén dolgozó szakemberek kompetenciáját, és emelni kell a társadalom képességét arra, hogy éljen a nyelvtechnológiák kínálta lehetőségekkel. Fontos továbbá olyan szakemberek képzése, akik ismerik a nyelv- és információs technológiák sajátosságait, az alap- és alkalmazott kutatások finanszírozása, valamint a tudományos és műszaki infrastruktúrák támogatása. Emellett kulcsfontosságú a nyílt, megbízható, magas minőségű és fenntartható digitális nyelvi erőforrások, illetve más digitális nyelvi adathalmazok felhalmozása és hozzáférhetőségük javítása. Fejleszteni kell a nyelvtechnológiai infrastruktúrát, a nyelvtechnológiák alkalmazását
204
Acta Linguistica Lithuanica LXXXVI
Page 22
European Language Equality in the Digital Age: The Case of Lithuania
a közszektorban és a közszolgáltatásokban, valamint az oktatási és tanulási intézményekben, továbbá fejleszteni és javítani kell a nyilvánosan elérhető informatikai megoldásokat és eszközöket. Lietországnak még aktívabban kell bekapcsolódnia az Európai Közösség és más nemzetközi nyelvtechnológiai programokba. Fontos az infrastruktúrák frissítése a szükséges digitális erőforrásokkal, az infrastruktúra hardverének korszerűsítése és karbantartása, az infrastruktúrák nagyobb nemzeti, európai és nemzetközi nyelvierőforrás-rendszerekbe való integrálása, valamint az azokban tárolt technológiák és adatok nyitottságának biztosítása (Guidelines 2020).
Összefoglalva: a nyelvtechnológiák fejlesztése a litván nyelv, valamint bármely más nyelv számára alapvető fontosságú. A terület fellendítéséhez Lietországnak dolgoznia kell azokon a fejlesztéseken, amelyekről e cikk szólt, illetve azokon is, amelyekre nem tért ki. A célok eléréséhez egyesíteni kell az állam, a tudomány és az üzleti szféra erőfeszítéseit.
KÖVETKEZTETÉSEK
A litván nyelvtechnológiák helyzetének áttekintése után a többnyelvű európai kontextusban, valamint a litván nyelvi erőforrások és eszközök/szolgáltatások szisztematikus elemzését követően több fontos következtetést fogalmazhatunk meg a litván nyelv digitális környezetben betöltött helyzetéről.
1. Az eredmények azt mutatják, hogy Lietországban 2012 óta jelentős előrelépés történt a különféle digitális nyelvi erőforrások és eszközök/szolgáltatások fejlesztésében. Bár a litvánt a kevés beszélővel rendelkező nyelvek közé sorolják, a nyelvtechnológiák területén gyorsan fejlődik. A digitális erőforrások és eszközök/szolgáltatások tekintetében továbbra is vannak olyan területek, amelyek további előrelépést igényelnek.
Bár számos litván nyelvű digitális nyelvi erőforrás már elérhető, a nyelvtechnológiák és a nyilvánosság igényeit figyelembe véve továbbra is fejleszteni vagy frissíteni kell az új egynyelvű szótárakat (szinonimaszótárakat, antonimaszótárakat, frazeológiai szótárakat stb.) és kétnyelvű szótárakat, valamint különféle lexikonokat. Az ontológiákat, szóhálókat és korpuszokat bővíteni és fejleszteni kell; a gépi fordításhoz szükséges többnyelvű párhuzamos korpuszokat ki kell dolgozni stb. A terminológia területén további és frissített terminológiai gyűjteményekre vagy terminusokra van szükség; a terminusadatbázisok szerkezete és technológiai megoldásai eltérőek, ami megnehezíti az adatok más technológiai megoldásokban való felhasználását; emellett hiányoznak a nyílt terminológiai adatok. A litván nyelvnek digitális nyelvtanokra, annotált beszédadatbázisokra és más olyan erőforrásokra van szüksége, amelyek felgyorsítanák a nyelvtechnológiák fejlődését.
Straipsniai / Articles
205
Page 23
ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ
2. Lietországban figyelemre méltó előrelépés történt a nyelvtechnológiák terén, de a percről percre megjelenő innovációk, a növekvő szükségletek stb. nemcsak új lehetőségeket és kihívásokat nyitnak meg, hanem gyengeségekre és veszélyekre is rámutatnak.
2.1. A nyílt hozzáférésű nyelvi erőforrások infrastruktúrája Lietországban még fejlesztés alatt áll; az adatmegosztás kultúrája továbbra is stagnál; az engedélyezés kérdései még mindig rendezetlenek: a szellemi tulajdonjogokra vonatkozó szabályozásnak és a GDPR-nak rugalmasabbnak és megengedőbbnek kell lennie, hogy szélesebb körben lehessen felhasználni a szellemi tulajdonjog hatálya alá tartozó adatokat a nyelvtechnológiák és -erőforrások fejlesztésére, oly módon, hogy a szerzők érdekei ne sérüljenek.
2.2. Lietországban hiányoznak a szükséges humán erőforrások: kevés az informatikai szakember és a nyelvtechnológiák területén dolgozó kutató; nincsenek specializált képzési programok.
2.3. A litván nyelvtechnológiák fejlesztéséhez erős nemzeti és nemzetközi támogatásra van szükség, beleértve a releváns, hosszú távú nyelvtechnológiai programokat, amelyek egyenlő feltételek mellett támogatják a kutatást és az üzleti szférát. Fontos a nemzeti és nemzetközi tevékenységek összehangolása, kellő figyelmet fordítva a kutatási infrastruktúrára és a kutatási prioritásokra.
2.4. Mi történne Lietországban, ha a nyelvtechnológiák fejlesztése teljesen leállna? Miért hangsúlyozza ismételten az EU, hogy a nyelvi egyenlőség valamennyi uniós nyelv technológiai fejlesztésének előmozdításával érhető el? Széles körű egyetértés van a nyelvi sokféleség erejéről, valamint az anyanyelvi nyelvtechnológiáknak a nyelvi és kulturális sokféleség védelmére gyakorolt hatásáról. Ezért ha ezen a területen nem történnek intézkedések, nőne a technológiai és nyelvi szakadék, csökkenne a litván nyelv presztízse, Lietország pedig többé nem lenne versenyképes a mesterséges intelligencia és más élvonalbeli technológiák területén; más idegen nyelvek fokozatosan elfoglalnák a litván nyelv helyét a digitális környezetben.
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
Page 24
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
Page 25
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]
