This is a machine-generated translation of the original document and may contain errors, omissions, or changes in meaning. Do not rely on this translation for quotations, citations, or authoritative references. Please consult and cite the original document.
Forskningsområden: barn- och ungdomsspråk, språkpreferenser, datorlingvistik.
DOI: doi.org/10.35321/all86-08
EUROPEISK SPRÅKLIG JÄMLIKHET I DEN DIGITALA TIDSÅLDERN: LITAUENS FALL
Europeisk språklig jämlikhet i den digitala tidsåldern: Litauens fall
SAMMANFATTNING
Artikeln behandlar den aktuella situationen för litauisk språkteknologi och presenterar situationen för europeisk språklig jämlikhet i den digitala miljön. Den undersöker kvantitativa och kvalitativa indikatorer som synliggör språklig jämlikhet inom Europeiska unionen med hänsyn till antalet talare, digitala språkresurser och tekniker samt stödet till dem, med särskilt fokus på Litauens fall. Artikeln avser att beskriva det arbete som redan har utförts inom området språkteknologi och identifiera de brister och utmaningar som fortfarande behöver hanteras när det gäller litauiska som officiellt nationellt språk och EU-språk. Den ger den senaste översikten över situationen för litauisk språkteknologi genom analys av digitala språkresurser och verktyg/tjänster. Resultaten visar att även om ett antal förändringar har ägt rum under de senaste tio åren, råder det fortfarande brist på språkresurser inom utbildning och andra områden.
European Language Equality in the Digital Age: The Case of Lithuania
SAMMANFATTNING
I artikeln behandlas situationen för litauisk språkteknologi och läsaren introduceras till situationen för europeisk språklig jämlikhet i den digitala miljön. Kvantitativa och kvalitativa indikatorer som belyser språklig jämlikhet undersöks i Europeiska unionens kontext, med hänsyn till antalet talare, digitala språkresurser och tekniker samt det stöd som ges till dem, med särskilt fokus på analysen av Litauens fall. Syftet med denna artikel är att framhäva det arbete som hittills har utförts inom språkteknologiområdet, synliggöra bristerna och belysa de utmaningar som det officiella nationella språket och Europeiska unionens språk – litauiskan – möter och hanterar. Artikeln ger en aktuell översikt över situationen för litauisk språkteknologi genom att analysera digitala språkresurser och verktyg/tjänster. Resultaten visar att betydande förändringar har ägt rum under de senaste 10 åren, men att det fortfarande råder brist på resurser inom utbildning och andra områden.
Språktekniker är sinsemellan förbundna och påverkar direkt och indirekt ett antal dagliga aktiviteter: arbete, utbildning, kommunikation osv. Språket ligger till grund för de flesta digitala resurser: mobila enheter, sociala nätverk, virtuella assistenter, översättningsverktyg, stavningskontroller osv. (Pastor et al. 2017: 19). Naturligtvis kommer inte alla litauiska medborgare i lika hög grad till godo av denna utveckling. Vi måste erkänna att tekniker anpassade till litauiska fortfarande saknas, och att talare ofta behöver övergå till engelska. Detta är särskilt viktigt vid bedömningen av språkets livskraft och styrka, eftersom bristen på språkteknik kan leda till att språkanvändningen slutligen minskar. Situationen för litauisk språkteknologi tillgodoser ännu inte alla behov.
Enligt 2021 års uppgifter från Litauens statistikavdelning använder nästan 87% av Litauens befolkning i åldersgruppen 16–74 år Internet (jämfört med nästan 64,1% år 2011 och 74,4% år 2016), hela 100% i åldersgruppen 16–24 år och 55,2% i åldersgruppen 65–74 år.¹ Enligt uppgifterna från 2021 har 81,4% av hushållen en persondator och 86,6% har tillgång till Internet.² Internet används främst för informationssökning, kommunikation, fritid och bankärenden: 79% av befolkningen i åldern 16–74 år använder
Internet för kommunikation; 74% läser nyheter; 71% använder Internet på fritiden (tittar på filmer eller TV-program, lyssnar på musik, spelar upp eller laddar ned inspelningar och spelar eller laddar ned spel); 68% använder internetbanktjänster. Samtidigt använder 27% av befolkningen Internet för lärande, yrkesutveckling eller självstudier.³ Enligt uppgifterna från 2021 använder 82,2% av 16–74-åringarna Internet för personliga ändamål; exempelvis kommunicerar 65,2% på sociala nätverk och 70,5% av befolkningen umgås i realtid (t.ex. via Skype, Messenger, WhatsApp, Viber och Snapchat).⁴ År 2021 var omkring 225 000 .lt-domäner registrerade (jämfört med omkring 139 000 år 2012 och omkring 188 000 år 2018), varav fler än 2 000 innehåller bokstäver med litauiska diakritiska tecken (ė, ž osv.). Dessutom hör Litauen fortfarande till ledarländerna när det gäller fiberoptiskt Internet. I Litauen når fiberoptiknätets täckning 46,8%.⁵
Den 13 oktober 2020 godkände Litauens Seimas ett viktigt dokument för det litauiska språket och dess framtid, Riktlinjerna för utvecklingen av det litauiska språket i den digitala miljön och utvecklingen av språkteknologin för 2021–2027.⁶ Riktlinjerna utarbetades av en arbetsgrupp som bildats av den statliga kommissionen för litauiska språket. Dessa riktlinjer ska bidra till att säkerställa full användning av det litauiska språket i den digitala miljön samt att etablera och upprätthålla det litauiska språkets ställning i informationssamhället. Detta kräver en ökning av digitala språkresurser – text- och talinspelningskorpusar, utveckling av språkteknologi och skapande av offentliga tjänster baserade på dem, så att ingen samhällsgrupp eller region ska behöva känna av den digitala klyftan och så att främmande språk lättare kan integreras i det litauiska samhället. Språkteknologin måste bidra till att stärka banden mellan det litauiska samhället och diasporan samt minska det litauisktalande samfundets utanförskap i det globala kunskapssamhället (Jaroslavienė, Miliūnaitė 2020).
Riktlinjerna fastställer de viktigaste uppgifterna eller utmaningarna för litauisk språkteknologi. De anger vad som bör göras i Litauen inom den närmaste framtiden och vilka inriktningar arbetet bör ha: 1. Att öka kompetensen hos specialister som arbetar inom språkteknologiområdet och höja samhällets förmåga att använda de möjligheter som språkteknologin erbjuder.
European Language Equality in the Digital Age: The Case of Lithuania
2. Att samla in och berika öppna, tillförlitliga, högkvalitativa och återanvändbara digitala språkresurser och andra digitala språkdataset. 3. Att utveckla infrastrukturen för språkteknologi och tillämpningen av språkteknologi inom offentlig sektor och offentliga tjänster samt att skapa och förbättra allmänt tillgängliga informationstekniska lösningar och verktyg (Guidelines 2020).
Det är glädjande att konstatera att betydande framsteg har gjorts när det gäller att anpassa det litauiska språket till den digitala miljön: ett antal digitala språkresurser och grundläggande verktyg för språkanalys, komplexa språktjänster på nätet samt en ontologi för det litauiska språket har utvecklats, och ett antal datorprogram och verktyg har lokaliserats. Tillämpad datorprogramvara av betydelse för samhället litauiseras, och standardiseringsarbete med datatermer utförs. Litauiska forskare deltar aktivt i internationella sammanslutningars samarbets- och mobilitetsverksamhet, och en kärna av litauiska språkspecialister som arbetar med tillämpning av informationsteknik och systematiskt utvecklar innovativa arbeten inom området har bildats. Litauen strävar också efter att alla medborgare ska ha full tillgång till digitala lösningar; därför är politiken för deras anpassning för personer med funktionsnedsättning mycket viktig (Guidelines 2020).
Föremålet för denna artikel är det litauiska språkets digitala resurser och verktyg/tjänster. Artikeln syftar till att undersöka uppgifter om litauiska digitala resurser och visa den aktuella situationen för det litauiska språkets utveckling i den digitala miljön med vederbörlig hänsyn till den allmänna europeiska kontexten. Detta syfte innebär följande mål: 1) att diskutera statusen för litauisk språkteknologi i den flerspråkiga europeiska kontexten; 2) att genomföra en analys av de empiriska data som samlats in i studien; 3) att fastställa de viktigaste styrkorna, svagheterna, möjligheterna och hoten bakom situationen för det litauiska språket i den digitala miljön. Forskningsdata samlades in7 under 2021–2022 inom ramen för projektet ”European Language Equality”, finansierat av Europeiska kommissionen8 (härefter – ELE).
7 Författaren uttrycker sin tacksamhet till den statliga kommissionen för litauiska språket, Vilnius universitet, Vytautas Magnus-universitetet och Tilde IT för hjälp med insamlingen av uppgifter om språkresurser.
8 Tjugofyra officiella språk och mer än 60 regionala språk och minoritetsspråk utgör EU:s språkliga landskap. Detta projekt svarar på denna uppmaning och lägger grunden för en strategisk agenda och färdplan för att göra digital språklig jämlikhet till verklighet i Europa senast 2030. ELE:s huvudsakliga mål är att utarbeta det europeiska programmet för språklig jämlikhet i form av en strategisk forsknings-, innovations- och genomförandeagenda samt en färdplan för att uppnå full digital språklig jämlikhet i Europa senast 2030. Programmet utarbetades gemensamt med hela det europeiska samfundet för språkteknologi, datorlingvistik och språkcentrerad AI, liksom med företrädare för relevanta initiativ och sammanslutningar, språkgemenskaper
Straipsniai / Articles
187
Page 5
ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ
Syftet med insamlingen av metadata var att identifiera de komponenter som bidrar till graden av teknologiskt stöd för det litauiska språket.
I det första steget av metadatainsamlingen fokuserade vi på litauiska språkresurser och språkteknologier, dvs. korpusar, även kallade dataset (samlingar av råa eller annoterade, mono-, bi- eller flerspråkiga, mono- eller multimodala textsegment eller dokument, ljudtranskriptioner, manuskript, ljud- och videoinspelningar osv., samt inlärarkorpusar och teckenspråkskorpusar); språkbeskrivningar som omfattar språkmodeller och datorgrammatikor; lexikala/konceptuella resurser, som omfattar datorlexikon, terminologiska databaser, namnsamlingar, ontologier, termlistor, tesaurer osv.; verktyg/tjänster: tjänster som erbjuds via webben, andra nätverk eller körs i molnet, men även nedladdningsbara verktyg, källkod osv. (Giagkou, Piperidis 2021: 9). Dessa omfattar grundläggande NLP-verktyg för de europeiska språken (morfologiska analysatorer, ordklassmärkare, lemmatiserare, parsrar osv.), verktyg för textredigering (t.ex. stavnings-, grammatik- och stilkontroller), verktyg/tjänster för informationssökning/-extraktion/-utvinning, text- och talanalys, maskinöversättning, förståelse och generering av naturligt språk, talteknologi osv.). I det andra steget genomfördes ytterligare en omgång metadatainsamling. Under det andra steget fokuserade vi på att identifiera intressenter inom LT i Europa samt nationella och europeiska LT-inriktade projekt, offentlig finansiering av LT/NLP/AI och andra kontextuella faktorer som kan framkomma ur den preliminära definitionen av ELE (Giagkou, Piperidis 2021: 9).
De insamlade litauiska språkresurserna beskrevs i ett gemensamt metadataformulär som skulle fyllas i av alla ELE-medlemmar och som innehöll följande obligatoriska och rekommenderade element. Obligatoriska element: resurstyp (en klassificering av resurser i typer: korpusar, lexikala/konceptuella resurser, grammatiker/(språk)modeller, verktyg/tjänster); resursnamn (ett läsarvänligt namn eller en titel som resursen är känd under); landningssida; beskrivning (en kort redogörelse i fri text som ger information om resursen); språk (det eller de språk som täcks av en korpus eller lexikal/konceptuell resurs eller inmatningsspråket för ett verktyg/en tjänst); korpusunderklass; underklass för lexikal/konceptuell resurs; underklass för grammatik/modell; medietyp(er) för delar (endast för korpusar och lexikala/konceptuella resurser); medietyp(er) för indata (endast för verktyg/tjänster); språkberoende (endast för verktyg/tjänster) osv. Rekommenderade element: resursens kortnamn; finansieringstyp; resursens publiceringsår; licens; källans hemsida; organisation/leverantör: den organisation som ansvarar för att tillhandahålla, kurera, underhålla och göra resursen tillgänglig; osv.
— och RML-grupper (mer information om projektet finns på: 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. EUROPEISK SPRÅKLIG JÄMLIKHET: ÄR DEN (O)MÖJLIG?
Europeiska unionens (härefter – EU) språkliga landskap är rikt och varierat. Det består av 24 officiella språk och över 60 nationella och regionala språk. Denna språkliga och kulturella mångfald är en väsentlig del av varje stats kulturarv, som uppskattas högt och främjas inom EU, med särskilt fokus på flerspråkighet. Flerspråkighet som EU-värde vägleds av mottot ”Förenade i mångfalden”, som började användas år 2000.⁹ EU fäster särskild vikt vid regionala språk eller minoritetsspråk, drivet av sitt åtagande att skydda dem: ”Den europeiska stadgan om landsdels- eller minoritetsspråk är den europeiska konventionen för skydd och främjande av språk som används av traditionella minoriteter. Tillsammans med ramkonventionen om skydd för nationella minoriteter utgör den Europarådets åtagande att skydda nationella minoriteter.”¹⁰ Europeiska språkens jämlikhet erkänns enhälligt som en av EU:s största styrkor. Den medför dock också ett antal utmaningar, eftersom varje stat befinner sig i en annorlunda demografisk, geopolitisk, kulturell osv. situation och oundvikligen möter olika hinder, däribland språkliga; det finns en betydande klyfta inom språkteknologiområdet. Detta framhålls också i den resolution som antagits av Europaparlamentet ”Språklig jämlikhet i den digitala tidsåldern”.¹¹
Antalet talare av EU:s officiella språk visar (se Fig. 1) att följande språk är de fem mest talade: engelska (cirka 30%), tyska (17%), franska (15%), spanska (8%) och italienska (7%).
Uppgifterna som visar de dominerande språken (de fem främsta) förändras inte om alla EU:s språk bedöms (se t.ex. Fig. 2). Sedan EU bildades har det uttryckligen deklarerats att Europa bevarar sin språkliga och kulturella mångfald; betydande summor avsätts för detta ändamål (Rehm, Uszkoreit 2013: 12–14). Den aktuella situationen visar dock att språk med färre talare fortfarande möter olika språkliga hinder, och det diskuteras kontinuerligt hur denna språkliga ojämlikhet ska minskas med digitala medel, eftersom det är omöjligt att lära sig så många EU-språk utan teknologiskt stöd.
⁹ Mer information finns på: https://european-union.europa.eu/principles-countries-history/symbols/eu-motto_lt.
¹⁰ Mer information finns på: https://www.coe.int/en/web/european-charter-regional-or-minority-languages?.
¹¹ Mer information finns på: https://www.europarl.europa.eu/doceo/document/TA-8-2018-0332_EN.html.
Straipsniai / Articles
189
Page 7
ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ
Fig. 1: Antal talare av EU:s officiella språk 12
Om vi betraktar situationen för europeisk språklig jämlikhet utifrån antalet talare ser vi att alla EU-språk kan grupperas enligt följande: de mest sårbara språken ligger högst upp (Fig. 2), och denna lista över språk är tämligen omfattande; vi skulle relativt sett kunna dra en gräns upp till estniska. Mellangruppen representeras av språk som talas av ett tämligen litet antal talare men som ändå intar högre positioner enligt andra indikatorer på språkteknologi och teknologiskt stöd (Fig. 3). Längst ned ser vi en lista över de officiella EU-språken som har den starkaste ställningen både enligt antalet talare och enligt andra indikatorer (se nedan). Oavsett att regionalt erkända språk kan fungera på lika villkor som andra EU-språk bör antagandet om officiella språks starkare status inte förkastas, och den teknologiska klyftan är fortfarande mycket stor.
European Language Equality in the Digital Age: The Case of Lithuania
Fig. 2: Antal talare av EU-språken
De senaste uppgifterna från 2022 om språkresurser och det stöd som avsatts för deras utveckling (se Fig. 3) visar att engelska fortfarande är det språk som har bäst stöd. Franska, tyska och spanska konkurrerar också, och deras resultat liknar engelskans i vissa dimensioner. Övriga officiella EU-språk har måttligt stöd, medan vissa språk endast har svagt eller inget stöd. Nationella eller regionala språk får också fragmentariskt stöd; andra språk är gränsfall vad gäller stödnivån. Analysen leder till den allmänna slutsatsen att inget naturligt språk har optimalt teknologiskt stöd, dvs. den nödvändiga stödnivån har inte uppnåtts för något språk, inte ens engelska (Gaidienė, Tamulionienė 2022: 17).
European Language Equality in the Digital Age: The Case of Lithuania
Inom ramen för ELE-projektet jämfördes den uppnådda utvecklingsnivån för varje språk med situationen 2012 (för mer information, se Vaišnienė, Zabarskaitė 2012). Vi kan se (se Fig. 4) att språkens teknologiska nivå förändrades märkbart (t.ex. den utbredda användningen av virtuella assistenter och chattbotar samt förbättrad kapacitet för textanalys). Resultaten av denna analys visar endast språkens relativa status, inte de framsteg som uppnåtts för ett specifikt språk. Språkteknologiområdet har gjort betydande framsteg under de senaste tio åren, men klyftan mellan språk med bäst stöd och språk med mindre stöd är fortfarande tydlig.
Fig. 4: Övergripande teknologiskt stöd för utvalda europeiska språk (2022) (figur från: Gaidienė, Tamulionienė 2022: 18)
Det är svårt att säga om europeisk språklig jämlikhet är möjlig att uppnå. Klyftan är stor om vi jämför antalet talare, språkresurser och språktekniker samt det stöd som dessa får. I rapporten ”Report on the state of Language Technology in 2030”, som utarbetats inom ELE-projektet, framhålls att två punkter är särskilt kritiska att uppnå senast 2030: ”1) Neurala språkmodeller och relaterade tekniker är avgörande för att upprätthålla framsteg inom LT. Förmågan att bygga neurala språkmodeller för andra språk med samma kvalitet som för engelska är därför avgörande för språklig jämlikhet; 2) Flerspråkiga data är nyckelelementet för att träna sådana modeller i en mängd olika språk. Vi bör inte ta för givet att stora mängder offentligt tillgängliga korpusar av god kvalitet lätt kan erhållas för alla europeiska språk – snarare är det motsatta fallet.
Straipsniai / Articles
193
Page 11
ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ
Ansträngningen att säkerställa att alla språk har stora mängder offentligt tillgängliga korpusar av god kvalitet, med hänsyn till rättviseaspekter, bör stå i centrum för alla framtida insatser för DLE”13”14. ELE-projektet ägnar frågan ökad uppmärksamhet; det planeras att ta fram en detaljerad strategisk plan med specifika åtgärder fram till 2030.
2. TILLGÄNGLIGHET TILL SPRÅKDATA OCH VERKTYG
Som nämnts tidigare samlades uppgifterna om tillgängliga digitala litauiska språkresurser in som en del av ELE-projektet. Totalt samlades 218 digitala språkresurser på litauiska in och beskrevs; den största delen utgörs av lexikala/konceptuella resurser (139; 64%), följda av verktyg/tjänster (53; 24%); korpusar (24; 11%) intar tredjeplatsen, medan grammatik-/språkmodeller15 (2; 1%) kommer på fjärde plats (se Fig. 5).
Fig. 5: Typer av digitala språkresurser på litauiska
15 Litauen ligger efter när det gäller digitala resurser för grammatik/språkmodell; eftersom endast några få resurser identifierades inom detta område behandlas de inte separat i artikeln.
194
Acta Linguistica Lithuanica LXXXVI
Page 12
European Language Equality in the Digital Age: The Case of Lithuania
Varje grupp av digitala resurser kommer att diskuteras separat i artikeln genom exempel på de mest välkända och största resurserna, verktygen och elektroniska tjänsterna.
2.1. Lexikala/konceptuella resurser
Ordböcker/lexikon utgör den största delen av de lexikala/konceptuella resurserna (77%); därefter följer terminologiska resurser (15%). Lexikala/konceptuella resurser omfattar också ontologier och wordnets (4%).
De flesta digitala ordböckerna utvecklas av Institutet för litauiska språket och är tillgängliga via informationssystemet för litauiska språkresurser E. KALBA16.
E. KALBA ger tillgång till den senaste deskriptiva normativa Ordboken över det litauiska standardspråket17, som för närvarande innehåller 74 062 uppslagsord (alla ordboksartiklar som börjar med bokstäverna B, C, Č, D, E, Ę, Ė, F, G, H, I, J, O, R, Z, Ž samt hela nomenklaturen är tillgängliga på nätet). Tusentals nya ord och nya betydelser läggs till i ordboken; uppslagsorden illustreras med många autentiska exempel från verklig språkanvändning.
Andra enspråkiga deskriptiva ordböcker finns också tillgängliga i informationssystemet för litauiska språkresurser E. KALBA: Ordboken över det moderna litauiska språket18 (den 8th reviderade och uppdaterade upplagan, som innehåller 48 342 uppslagsord) och Ordboken över det litauiska språket19 (som återger det litauiska språkets lexik från 1500th-talet till slutet av 1900th-talet. Ordboken innehåller 310 659 uppslagsord). E. KALBA erbjuder också specialiserade ordböcker: den fortlöpande uppdaterade Databasen över litauiska neologismer20 (med nya ord (lånord och nybildningar), ordfraser och förkortningar eller nya betydelser hos ord som kom in i litauiskan från slutet av 1900th-talet och för närvarande används offentligt, samt information om deras ursprung, användning och standardisering. För närvarande innehåller den över 7 000 poster); Synonymordboken,21 Antonymordboken,22 The
Fraseologisk ordbok,23 Jämförelseordboken,24 etc. Vi kan också hitta olika tvåspråkiga ordböcker,25 till exempel litauisk–engelsk och engelsk–litauisk; litauisk–tysk och tysk–litauisk; litauisk–lettisk och lettisk–litauisk, etc.
Olika kartotek hör till lexikonens kategori,26 till exempel Huvudkartoteket, Supplementkartoteket och Dialektkartoteket vid Litauiska språkets ordbok, etc.
När det gäller terminologiska resurser är Litauens termbank,27 den innehållsmässigt största och mest tillförlitliga källan till litauiska termer, mest känd. Lagar och termlistor är denna termbanks huvudsakliga källor (över 255 000 termposter är tillgängliga). Termsamlingar från olika områden ingår i banken (sammanlagt 26 områden, såsom politik, försvar, finans, miljö, transport, kultur, hälsa osv., vilka är ytterligare underindelade). Litauiska standardiseringsstyrelsens termdatabas28 omfattar en samling termer från standarder. För närvarande innehåller den 76 000 termposter. Informationssystemet för litauiska språkresurser RAŠTIJA.LT29 erbjuder sökning i 32 termlistor. Termområdena beror på termlistorna: det finns termer från elektroteknik, datorer, förvaltning, språkdidaktik, matematik, metrologi, meteorologi osv.
Det finns få ontologier och semantiska nätverk i Litauen. Det finns Litauiska språkets allmänna ontologi, den öppet tillgängliga ontologin över litauiska medicinska termer Snomed CT,30 den elektroniska tjänsten E-terms,31 som omfattar ontologier inom följande områden: Ontologin över termer för mänsklig anatomi (7 500 termer), Ontologin över ekonomiska termer (500 termer) och Ontologin över datorhårdvara och datordelar (1 000 termer). Vi har flera litauiska wordnets, som kan byggas ut ytterligare: LitWorNet32 (för mer,
26 ”En digital ordbok (eller ett lexikon) är en lista över uppslagsord (vanligen enstaka ord eller flerordsuttryck) som valfritt kan berikas med ytterligare information” (Pastor et. al. 2017: 29).
European Language Equality in the Digital Age: The Case of Lithuania
se Vitkutė-Adžgauskienė et al. 2015) och WordNet33 (med 24 000 synset, varav 10 000 är länkade till synseten i Princeton WordNet).
2.2. Verktyg/tjänster
Text- och dataanalys står för den största delen av de digitala verktygen/tjänsterna (36%); därefter följer taligenkänning (15%), grammatikkontroll och stavningskontroll (8%), maskinöversättning (6%) samt annat. När det gäller verktyg/tjänster bör det dessutom påpekas att de är språkberoende (98%), där text (80%) är den vanligaste medietypen för indata.
Först och främst bör de maskinöversättningssystem som redan har utvecklats nämnas. ”Tilde informacinės technologijos” UAB erbjuder kostnadsfri användning av det flerspråkiga maskinöversättningsverktyget baserat på neurala nätverk, Tilde Translator,34. Enligt utvecklarna är ”detta statistiska maskinöversättningsverktyg det bästa på marknaden och anpassat för språkparen litauiska–engelska, engelska–litauiska, lettiska–engelska och engelska–lettiska. Det regelbaserade maskinöversättningssystemet för översättning från lettiska till ryska är också tillgängligt”.35 För närvarande kan Tilde Translator användas för att översätta från litauiska till tyska, polska, engelska, ukrainska och ryska.
Maskinöversättningssystemet ALPMAVIS är kostnadsfritt tillgängligt för användare.36 Systemet omfattar följande språkpar: litauiska–engelska–litauiska, litauiska–franska–litauiska, litauiska–tyska–litauiska, litauiska–polska–litauiska och litauiska–ryska–litauiska. Det ovan nämnda systemet är anpassat för allmänna, juridiska och IT-relaterade områden.37
Även kostnadsfria översättningssystem som utvecklats utanför Litauen bör nämnas, t.ex. Google Translate, Microsoft Bing Translator, eTranslation osv. Det sistnämnda översättningssystemet är kostnadsfritt tillgängligt för statliga institutioner och lämpar sig bättre för översättning av administrativa och juridiska texter.
Det finns olika tjänster skapade för användare där taligenkänningsteknik används för att röststyra datorer, t.ex. Browser38 (bläddring
33 Tillgänglig på: https://ekalba.lt/zodziu-prasmiu-tinklas/?p=1. 34 Tillgänglig på: https://translate.tilde.com/#/. 35 Mer information på: https://www.tilde.lt/kalbines-technologijos/tilde-vertykle. 36 Tillgänglig på: https://vertimas.vu.lt/Home/About. 37 Mer information på: https://vertimas.vu.lt/Home/About. 38 Tillgänglig på: https://raštija.lt/liepa/paslaugos-vartotojams/narsytuvas/.
Straipsniai / Articles
197
Page 15
ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ
röststyrning); Controller39 (datorstyrning med röst); Searcher40 (röstsökning efter UNESCO:s kulturarvsresurser); Recognizer41 (inlärning av röststyrning); Helper42 (röststyrning för personer med funktionsnedsättning); Coaching Robot Controller43 (styrning av en humanoid robot för barn); Taxi Caller44; Caller45 (uppringning till telefonkontakter); Interlingual Communicator46 (litauisk–kinesisk), m.fl. Det finns också en kostnadsfri taligenkänningsapplikation,47 som omvandlar tal till text från en förinspelad ljudfil eller från diktamen i realtid.
Vissa tjänster som utvecklats i Lithuania är utrustade med talsyntesteknik, t.ex. Pronouncer48 (en ljudordbok över litauiska neologismer); The Lithuanian Speech Synthesiser for the Blind49 (en SAPI5-kompatibel litauisk talsyntes som läser upp det som visas på en datorskärm); The Mobile Synthesiser for the Blind50; The Online News Reader51 (insamling och uppläsning av nyheter med syntetiserad röst på litauiska). En talsyntesapplikation52 som omvandlar text till tal finns också kostnadsfritt.
De viktigaste kostnadsfria verktygen med öppen källkod för grundläggande analys av digitala texter på litauiska skapades inom ramen för olika projekt i Lithuania, nämligen en segmenterare, en lemmatiserare, en morfologisk analysator, en ordklassmärkare, en syntaktisk parser, en stavningskontroll, en textnormaliserare, en lösning för avancerad sökning i litauiska textindex, en extraktor för flerordsenheter m.m. (Guidelines 2020).
Det finns också kostnadsfria språkidentifierings- och semantikanalyslösningar: en enkel och aspektbaserad sentiment- (åsikts-)analysator,53 hatet
European Language Equality in the Digital Age: The Case of Lithuania
taligenkänningsverktyget,54 tjänsten för automatisk dokumentsammanfattning,55 verktyget för igenkänning av identifierade entiteter (Guidelines 2020).
2.3. Korpusar
Lietuva fortsätter att skapa och utveckla de allmänna språkdata och språkresurser som krävs för att producera språkteknik och dess tillämpningar. Det finns flera korpusar i Lietuva, vilka domineras av annoterade korpusar (91%), där text (96%) är den ledande medietypen bland delarna.
The Corpus of the Contemporary Lithuanian Language56 är den största korpusen för det litauiska språket. Den innehåller 140 921 288 ord (skönlitteratur – 11,6%, facklitteratur – 14,2%, administrativ litteratur – 10%, publikationer – 63,8%, talat språk – 0,3%). Sammanställningen av korpusen inleddes 1992 och uppdaterades senast 2011.
Det finns också morfologiskt och syntaktiskt annoterade korpusar. Omfattningen av Morphologically Annotated Lithuanian Corpus MATAS57 är 1,6 miljoner ord (36% av texter från periodiska publikationer, 24% av texter från vetenskaplig litteratur, 19% av texter från skönlitteratur, 2,8% av administrativa texter, 6,8% av ordagranna protokoll från Republiken Litauens parlament). Korpusen producerades halvautomatiskt och resultaten granskades av lingvister. Korpusen visade den omfattande morfologiska polysemin i det litauiska språket, det vill säga att nästan hälften av alla former är morfologiskt polysema. Den senaste versionen av Lithuanian Treebank ALKSNIS58 (ALKSNIS 3.0) innehåller 3 643 syntaktiskt annoterade meningar i formatet PML (Prague Mark-up Language).
Flera parallellkorpusar lanserades i Lietuva. Parallel Corpus59 innehåller tjeckisk-litauiska ord (20,29%), engelsk-litauiska ord (76,6%), litauisk-tjeckiska ord (0,8%) och litauisk-engelska ord (2,31%). LILA parallel Corpus60 skapades halvautomatiskt, där texter alignerades på stycke- och meningsnivå. Korpusen består av texter som publicerats 1991 eller senare. Korpusens totala omfattning är 8 782 050 ord:
Litauisk-lettiska texter utgör den största delen (3 448 745 ord), medan lettisk-litauiska texter uppgår till hälften så många (1 695 160 ord). En sådan asymmetrisk sammansättning av data berodde på att fler texter under de senaste åren översattes från litauiska till lettiska än vice versa.
Det finns också andra typer av korpusar, t.ex. The Corpus of the Spoken Lithuanian Language,61The compendium of textbook texts KLASIUS62; The Corpus of the Old Lithuanian Language63; CorALit64: Corpus Academicum Lithuanicum, osv.
Fri tillgång till data från de flesta korpusarna säkerställs.
Sammanfattningsvis har produktionen och utvecklingen av befintliga digitala språkresurser och verktyg/tjänster inneburit betydande framsteg i Lithuania; det finns till och med flera infrastrukturer för litauiska språkresurser och verktyg/tjänster (E. KALBA, RAŠTĮJA.LT osv.) som ger fri tillgång till olika digitala ordböcker, lexikon osv. och tillhandahåller olika talstyrda tjänster, grundläggande analyser av digitala texter på litauiska, kostnadsfria verktyg med öppen källkod osv. Olika korpusar och maskinöversättningssystem produceras och vidareutvecklas. Det råder dock brist på multimediadata, parallellkorpusar avsedda för maskinöversättning, olika talkorpusar osv. När det gäller textsemantik finns det fortfarande luckor, eftersom kvalitativa wordnet, ontologier osv. saknas. Grammatikområdet är för närvarande tämligen eftersatt: det råder brist på digitala grammatiker och andra tekniska verktyg som kan bidra till utvecklingen av språkteknologier och deras högre kvalitet.
3. LITAUISKANS SITUATION I DEN DIGITALA MILJÖN: STYRKOR, SVAGHETER, MÖJLIGHETER OCH HOT
Litauiskans ställning i den digitala miljön utvärderades med beaktande av den huvudsakliga tillgängliga databasen med dokument, samt nationella infrastrukturer för språkresurser och språkteknologier och de viktigaste konsortierna, federationerna och projekten. De viktigaste dokumenten och resurserna beskrivs i detalj (se Guidelines 2020). Denna artikel syftar till att beskriva dem i allmänna ordalag för att spåra ursprunget till styrkorna, svagheterna, möjligheterna och hoten.
European Language Equality in the Digital Age: The Case of Lithuania
3.1. Litauens regering och andra statliga institutioner stöder flera program för att främja ett brett spektrum av språkvetenskaplig forskning och spridning. Följande dokument om språkteknologisk politik i Lithuania gäller: 1) The Guidelines for the Development of the Lithuanian Language in the Digital Environment and the Progress of Language Technologies for 2021–202765 (för mer information, se sida 2); 2) The Lithuanian Artificial Intelligence Strategy: A Vision for the Future (2018)66 utfärdad av Republiken Litauens ministerium för ekonomi och innovation. Strategins mål är ”att Lithuania ska bli en regional ledare på grundval av befintliga resurser, erfarenheter och potential. Den syftar till att öka Litauens konkurrenskraft bland EU-länderna och säkerställa dess framgångsrika deltagande i det globala ekosystemet för AI” (AI Strategy 2018); 3) The strategy for Lithuania’s advancement “Lietuva 2030”.67 Denna strategi beskriver ”statens vision och utvecklingsprioriteringar samt riktlinjerna för deras genomförande fram till 2030. Det är det huvudsakliga planeringsdokument som måste beaktas i strategiska beslut och vid utarbetandet av statliga planer eller program” (Strategy 2012). Den 2 juli 2021 gav Europeiska kommissionen grönt ljus åt Lithuania’s recovery and resilience plan. ”Den omvälvande effekten av Litauens plan är resultatet av en stark kombination av reformer och investeringar som tar itu med Litauens specifika utmaningar.”68
3.2. Lithuania har flera nationella infrastrukturer för teknik och språkdata: 1) RAŠTIJA LT69 är systemet för integrerade litauiska språk- och skrivresurser, produkter och tjänster som utvecklats av Vilnius universitets institut för matematik och informatik: kunskapsbas, sökverktyg osv.; 2) CLARIN–LT70 – det litauiska nationella konsortiet (medlem i CLARIN-ERIC) som inrättades 2015. Det består för närvarande av fem forskningsinstitutioner: Vytautas Magnus-universitetet (samordnare), Kaunas tekniska universitet, Vilnius universitet, Mykolas Romeris-universitetet och Baltic Institute of Advanced Technologies; 3) E. KALBA71 – informationssystemet för litauiska språkresurser som förvaltas av Institutet för det litauiska språket. I detta system finns nio enspråkiga och tio tvåspråkiga ordböcker, olika filer och databaser
(dialektarkiv; geoinformationsdatabas över litauiska ortnamn osv.), samt elektroniska tjänster (sökning i Betydelsenätverket, E-begrepp, Åsiktsanalys osv.); 4) SEMANTIKA72 – det litauiska informationssystemet för syntaktisk och semantisk analys (LSSAIS), som ”är en unik språkteknologisk infrastruktur och ett statligt informationssystem som tillhandahåller taligenkännings- och textanalystjänster för det litauiska språket. Vytautas Magnus-universitetet är informationssystemets förvaltare”.73
3.3. De viktigaste konsortierna, federationerna och projekten som Lithuania tillhör eller deltar i. Representanterna för European Federation of National Institutions for Language (EFNIL) i Lithuania är Institute of the Lithuanian Language och State Commission of the Lithuanian Language. Federationen ägnar särskild uppmärksamhet åt EU-medlemsstaternas språk och Europas språkliga mångfald.74European Language Resource Coordination (ELRC) ”förvaltar, underhåller och samordnar relevanta språkresurser på alla officiella språk i EU och de CEF-associerade länderna. Dessa aktiviteter kommer att bidra till att förbättra kvaliteten, täckningen och prestandan hos automatiska översättningslösningar inom ramen för nuvarande och framtida digitala CEF-tjänster”.75Common Language Resources and Technology Infrastructure (CLARIN-ERIC) är ”en forskningsinfrastruktur som inrättades utifrån visionen att alla digitala språkresurser och verktyg från hela Europa och andra delar av världen ska vara tillgängliga via en onlinemiljö till stöd för forskare inom humaniora och samhällsvetenskap”.76 CLARIN-LT är ett litauiskt nationellt konsortium som samordnas av Vytautas Magnus-universitetet, som har varit medlem i CLARIN-ERIC. European Language Grid (ELG) ”utvecklar och distribuerar en skalbar molnplattform som på ett enkelt sätt att integrera ger tillgång till hundratals kommersiella och icke-kommersiella Language Technologies för alla europeiska språk, inklusive körbara verktyg och tjänster samt datauppsättningar och resurser”.77 Sedan 2019 har ELG representerats i Lithuania av Institute of the Lithuanian Language. Det primära målet för European Language Equality (ELE) är ”att utarbeta programmet European Language Equality i form av en strategisk forsknings-, innovations- och genomförandeagenda samt en färdplan för att uppnå fullständig digital
72 Available at: https://www.semantika.lt.
73 Mer information finns på: https://www.semantika.lt/Help/About.
74 Mer information finns på: http://www.efnil.org.
75 Mer information finns på: https://www.lr-coordination.eu.
76 Mer information finns på: https://www.clarin.eu.
77 Mer information finns på: https://www.european-language-grid.eu.
202
Acta Linguistica Lithuanica LXXXVI
Page 20
European Language Equality in the Digital Age: The Case of Lithuania
språklig jämlikhet i Europa senast 2030”.⁷⁸ Sedan 2021 har ELE representerats i Litauen av Institutet för det litauiska språket.
Under perioden 2014–2020 erhölls finansiering för genomförandet av litauiska språklösningar i det digitala rummet från det operativa programmet för investeringar i EU-fonder, prioriteringsområde 2 (Främjande av informationssamhället). Fem projekt inleddes 2018: ”Utveckling av litauiska talstyrda tjänster” (LIEPA–2), ”Utveckling av de offentliga tjänsterna i informationssystemet för syntaktisk–semantisk analys av litauiska texter” (SEMANTIKA–2), ”Förbättring och utveckling av maskinöversättningssystem och lokaliseringstjänster”, ”Utveckling av informationssystemet för integrerade litauiska språk- och skriftliga resurser” (RAŠTIJA 2), samt ”Utveckling av informationssystemet för litauiska språkresurser” (E. KALBA). Totalt hade 21 offentliga e-tjänster skapats vid utgången av 2020. Forsknings- och utbildningsinstitutioner samt företag var de mest aktiva deltagarna i programmet (Guidelines 2020). Utöver de ovannämnda projekten genomfördes även andra språkteknologiprojekt finansierade av EU:s strukturfonder, Europeiska kommissionen, nationella projektmedel med mera.
3.4. En SWOT-analys (styrkor, svagheter, möjligheter och hot) presenteras i Programmet för det litauiska språket i informationssamhället för 2007–2010, som godkänts av Republiken Litauens Seimas.⁷⁹ Den utgör en utmärkt utgångspunkt för analysen av den aktuella situationen. Det är glädjande att betydande framsteg har gjorts och att de flesta av den periodens svagheter eller hot sedan länge har undanröjts och glömts bort. Betydande framsteg har gjorts när det gäller att anpassa det litauiska språket till den digitala miljön: ett antal digitala språkresurser och grundläggande verktyg för språkanalys har utvecklats, komplexa språktjänster på nätet har skapats, en ontologi för det litauiska språket har utvecklats och många datorprogram och verktyg har lokaliserats. Datorprogram som är relevanta för samhället har lokaliserats och datorterminologin har standardiserats. Litauiska forskare deltar aktivt i och samarbetar kring internationella föreningars mobilitetsaktiviteter. Många specialister på det litauiska språket fokuserar på informationsteknik och utvecklar systematiskt innovativt arbete inom detta område. Litauen är mycket angeläget om att alla medborgare ska ha full tillgång till digitala lösningar, vilket gör det mycket viktigt att anpassa tillgången till resurser för personer med funktionsnedsättning (Gaidienė, Tamulionienė 2022: 17–18).
⁷⁸ Mer information finns på: https://european-language-equality.eu.
Den övergripande analysen av de europeiska språkens aktuella status, de innovationer som tillkommer dagligen, samhällets växande behov med mera medför nya utmaningar och öppnar nya möjligheter såväl som nya hot.
Litauen saknar fortfarande språkresurser i den elektroniska miljön för en snabbare integration av det litauiska språket och informationstekniken, liksom standarder för hantering av det litauiska språket med hjälp av informationsteknik. Det finns ett brett utbud av relevant programvara som ännu inte har litauiserats och anpassats till samhällets behov; det är nödvändigt att ytterligare säkerställa en enhetlig användning av datorterminologi, ordförråd och fraser i programvara samt att fortsätta värna om användningen av det talade litauiska språket (tal) i elektroniska miljöer, datorer och datoriserade enheter.
På nationell nivå är en tydlig rättslig ram avgörande för att säkerställa likabehandling av forskning (icke-kommersiell och kommersiell) och innovation som bygger på automatisk utvinning och analys av data från elektroniska ostrukturerade informationskällor (texter). Först när en tillräcklig mängd relevanta resurser som återspeglar det aktuella litauiska språkets företeelser har samlats in blir det möjligt att utveckla effektiva verktyg för användningen av det litauiska språket inom informationstekniken. Särskild uppmärksamhet måste ägnas åt att anpassa systemen till alla konsumenters möjligheter och behov, så att socialt utanförskap inte byggs in i programmeringen, vilket skulle få konsekvenser för samhället som helhet. Det är viktigt att skapa litauiska gränssnitt som direkt skulle minska den sociala och språkliga segregationen, främja laglig användning av programvara och minska klyftan till de gamla EU-medlemsstaterna när det gäller användningen av informationsteknik. Det är också viktigt att skapa förutsättningar för användning av det litauiska språket på datorer, datorstyrda enheter och datorer som styrs med talat litauiskt språk (tal), samt att förbättra medlen för röststyrning av datorer så att personer med funktionsnedsättning och andra personer får obegränsad tillgång till elektroniska tjänster. Datorlingvistik och språkteknologi har ännu inte etablerats som ett separat ämne i det litauiska systemet för högre utbildning. Inget universitet erbjuder utbildning i språkteknologi på alla nivåer. Detta måste förändras (Gaidienė, Tamulionienė 2022).
I Litauen finns det behov av att höja kompetensen hos specialister som arbetar inom språkteknologiområdet och att höja samhällets förmåga att utnyttja de möjligheter som språkteknologin erbjuder. Det är också viktigt att utbilda specialister som känner till särdragen hos språk och informationsteknik, finansiera grundläggande och tillämpad forskning samt stödja vetenskaplig och teknisk infrastruktur. Dessutom är det avgörande att samla in och öka tillgången till öppna, tillförlitliga, högkvalitativa och hållbara digitala språkresurser samt andra digitala språkdatauppsättningar. Det finns behov av att utveckla infrastrukturen för språkteknologi, tillämpningen av språkteknologier
204
Acta Linguistica Lithuanica LXXXVI
Page 22
European Language Equality in the Digital Age: The Case of Lithuania
inom den offentliga sektorn och de offentliga tjänsterna, undervisnings- och utbildningsinstitutionerna samt att utveckla och förbättra offentligt tillgängliga IT-lösningar och verktyg. Litauen behöver engagera sig ännu mer aktivt i Europeiska gemenskapen och andra internationella program för språkteknologi. Det är viktigt att uppdatera infrastrukturerna med nödvändiga digitala resurser, uppgradera och underhålla infrastrukturen för hårdvara, integrera infrastrukturerna i större nationella, europeiska och internationella system för språkresurser samt säkerställa öppenheten hos teknikerna och de data som lagras däri (Guidelines 2020).
Sammanfattningsvis är utvecklingen av språkteknologier avgörande för litauiskan liksom för alla andra språk. För att nå framgång på detta område bör Litauen arbeta med den utveckling som har behandlats och inte behandlats i denna artikel. För att uppnå målen är det nödvändigt att förena statens, vetenskapens och näringslivets insatser.
SLUTSATSER
Efter en genomgång av situationen för litauiska språkteknologier i det flerspråkiga europeiska sammanhanget och en systematisk analys av de litauiska språkresurserna och verktygen/tjänsterna kan vi formulera flera huvudsakliga slutsatser om det litauiska språkets ställning i den digitala miljön.
1. Resultaten visar att betydande framsteg har gjorts i Litauen sedan 2012 när det gäller utvecklingen av olika digitala språkresurser och verktyg/tjänster. Även om litauiskan räknas som ett språk med få talare går utvecklingen snabbt inom språkteknologin. När det gäller digitala resurser och verktyg/tjänster finns det fortfarande områden som kräver ytterligare framsteg.
Även om ett antal digitala språkresurser för litauiska redan finns tillgängliga måste nya enspråkiga ordböcker (synonymordböcker, antonymordböcker, fraseologiska ordböcker osv.) och tvåspråkiga ordböcker samt olika lexikon fortfarande utvecklas eller uppdateras, med hänsyn till språkteknologins och allmänhetens behov. Ontologier, ordnät och korpusar måste utvidgas och byggas ut; flerspråkiga parallellkorpusar som krävs för maskinöversättning behöver utvecklas osv. När det gäller terminologi behövs ytterligare och uppdaterade sammanställningar eller termer; terminologidatabasernas struktur och tekniska lösningar varierar, vilket gör det svårare att använda data i andra tekniska lösningar; det råder också brist på öppna terminologiska data. Litauiskan behöver digitala grammatiker, annoterade taldatabaser och andra resurser som skulle påskynda språkteknologins utveckling.
Straipsniai / Articles
205
Page 23
ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ
2. Anmärkningsvärda framsteg har uppnåtts inom språkteknologin i Litauen, men innovationerna som uppstår varje minut, de växande behoven osv. öppnar inte bara nya möjligheter och utmaningar utan visar också på svagheter och hot.
2.1. Infrastrukturen för språkresurser med öppen åtkomst är fortfarande under utveckling i Litauen; kulturen för datadelning står fortfarande och stampar; licensieringsfrågorna är fortfarande olösta: reglerna för immateriella rättigheter och GDPR behöver bli mer flexibla och tillåta en bredare användning av data som omfattas av immateriella rättigheter för utveckling av språkteknologier och språkresurser, så att författarnas intressen inte kränks.
2.2. De nödvändiga mänskliga resurserna saknas i Litauen: det råder brist på IT-specialister och forskare som arbetar inom språkteknologins område; det finns inga specialiserade studieprogram.
2.3. Utvecklingen av litauiska språkteknologier kräver ett starkt nationellt och internationellt stöd, inklusive relevanta långsiktiga program för språkteknologi som stöder forskning och näringsliv på lika villkor. Det är viktigt att samordna nationell och internationell verksamhet, med vederbörlig hänsyn till forskningsinfrastruktur och forskningsprioriteringar.
2.4. Vad skulle hända i Litauen om utvecklingen av språkteknologier upphörde helt? Varför framhåller EU upprepade gånger att språklig jämlikhet kan uppnås genom att främja den tekniska utvecklingen av alla EU-språk? Det råder bred enighet om den språkliga mångfaldens styrka och om modersmålsteknologiernas betydelse för skyddet av språklig och kulturell mångfald. Om inga åtgärder vidtas på detta område skulle därför den tekniska och språkliga klyftan öka och det litauiska språkets prestige minska; Litauen skulle inte längre vara konkurrenskraftigt inom artificiell intelligens och annan banbrytande teknik; andra främmande språk skulle gradvis inta litauiskans plats i den digitala miljön.
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]
