Termer i texter och utmaningen för terminologihantering

KLAUS-DIRK SCHMITZ

Cologne University of Applied Sciences

NYCKELORD: terminologihantering, termextraktion, begreppsorientering, termautonomi, terminologisk post, synonymi, tvetydighet

1. GRUNDLÄGGANDE TEORETISKA GRUNDER

Terminologi definieras som ”mängden benämningar som hör till ett fackspråk” (ISO 1087–1:2000). Denna internationella definition hänvisar främst till representationssidan av fackspråklig kommunikation och bortser från det begreppsliga perspektiv som ligger bakom benämningarna. En mer omfattande definition ges i den tyska terminologistandarden DIN 2342:2011, där ”terminologi är mängden eller förteckningen över begrepp och deras representationer inom ett specifikt ämnesområde”. Denna definition innefattar inte bara begreppet som en viktig aspekt av terminologin; den ger också en vidare syn på terminologins begreppsrepresentationssida genom att inte begränsa den till termer eller andra språkrelaterade benämningar och genom att inkludera symboler, ikoner, gester eller andra multimodala representationer.

För att förklara relationen mellan begrepp och term anpassade terminologiteoretiker och forskare den så kallade ”semiotiska triangeln”, som introducerades av de amerikanska lingvisterna C. K. Ogden och I. A. Richards (Ogden, Richards 1923: 11), för att förklara förhållandet mellan begrepp och termer (Figur 1). Triangeln har genomgått en lång historia av modifieringar och tolkningar och har också kritiserats från flera håll för att vara en förenkling eller en felaktig återgivning av de komplexa relationer som finns mellan begrepp och termer. Trots kritiken mot triangeln gör dess enkelhet den till ett utmärkt verktyg för att illustrera relationer mellan begrepp och termer för personer som just börjat identifiera termer i texter och skapa terminologiska dataposter för att dokumentera dem. Andra och mer komplexa modeller beskrivs i Arntz, Picht, Schmitz (2014: 41 ff.).

Terminologija | 2015 | 22 15

Figur 1. Terminologisk triangel (baserad på Ogden, Richards 1923)

Concepts are “cognitive representatives” (“gedankliche Vertreter” (Felber, Budin 1989: 69)) for objects, that arise out of the fact that humans recognize the common characteristics that exist in a majority of individual objects of the same type, and then store these characteristics and use them to impose order on the world of objects, in order to achieve mutual understanding when they communicate with other people. ISO 1087–1:2000 defines a concept as a “unit of knowledge created by a unique combination of characteristics” and DIN 2342:2011 describes a concept again more explicitly as a “unit of thinking made up of characteristics that are derived by categorizing objects having a number of identical properties.”

Båda standarderna anger i en anmärkning att begrepp inte nödvändigtvis är knutna till specifika språk, men att den kulturella, sociala och tekniska bakgrunden hos de människor som skapar begreppen, liksom de miljöer där begreppen används, påverkar hur de tar sig uttryck i en given situation. Regionala skillnader inom en språkgemenskap (t.ex. Tyskland och Österrike) kan leda till olika begreppsorienteringar för samma term, medan en kulturell gemenskap där flera språk talas (t.ex. Schweiz) kan tilldela samma begrepp, representerat av flera termer på olika språk.

Eftersom begrepp är mentala eller kognitiva representationer behöver vi definitioner för att förklara och beskriva begrepp. I de flesta fall hänvisar definitioner till andra begrepp (t.ex. det överordnade begreppet) och nämner specifika egenskaper som är unika och typiska för det begrepp som ska definieras. På grundval av definitioner och begreppsegenskaper är det möjligt att relatera

16

Klaus-Dirk Schmitz | Terms in Texts and the Challenge for Terminology Management

begrepp till varandra och skapa terminologiska begreppssystem, taxonomier, ontologier eller andra system för kunskapsorganisation (SKOS). Dessa begreppssystem återger kunskapen inom ett ämnesområde eller delområde på ett systematiskt sätt.

Termen definieras i ISO 1087–1:2000 som en ”verbal beteckning för ett allmänt begrepp inom ett specifikt ämnesområde” eller i DIN 2342:2011 som en ”beteckning för ett definierat begrepp i ett fackspråk genom ett språkligt uttryck”. Termen fungerar som begreppets representation och vi kan skriva ner den, uttala den och använda den för kommunikation. Vi använder ordet ”beteckning” som ett överordnat begrepp när vi talar om termer, eftersom det också finns andra sätt att representera begrepp, till exempel sådana som inte nödvändigtvis består av ord, såsom symboler, formler, piktogram, gester osv.

Vissa termer består av mer än ett ord. Dessa termer kallas flerordstermer eller sammansättningar, till exempel ”skrivare med enarksinmatning”. Sättet på vilket ord kombineras till termer varierar från språk till språk. När man arbetar med termer blir terminologiarbetets språkliga sida aktuell.

Vi har sett att termen är den verbala representationen av begreppet. I fack- eller tekniskt språk är det mycket önskvärt att detta förhållande är entydigt, även utan hänvisning till sammanhanget, vilket innebär att en term bör tilldelas ett begrepp, så att ett tillstånd som kallas entydighet uppstår. När detta villkor råder är termers betydelse helt klar, även om termen förekommer utan någon förklarande kontext. Naturligtvis är denna idealsituation svår att uppnå eller upprätthålla. Två problem som rör kopplingen mellan term och begrepp återkommer ofta, även i tekniska och vetenskapliga texter:

Synonymi föreligger när två eller flera termer på ett visst språk representerar samma begrepp. En synonym är alltså en term som används för att beteckna samma begrepp som en annan term. Även om synonymi kan försvåra kommunikationen mellan experter förekommer den ganska ofta i praktiken. Detta kan särskilt inträffa inom ämnesområden där många objekt och begrepp fortfarande håller på att utvecklas. Inom sådana dynamiska områden används konkurrerande termer parallellt tills entydiga termer gradvis etableras, antingen genom en naturlig urvalsprocess eller genom medveten standardisering. Även när människor är väl medvetna om dessa problem kan varianter förbli i bruk under lång tid, till följd av sådana faktorer

Terminologija | 2015 | 22

17

som naturlig regional variation eller, helt avsiktligt, företags- eller produktspecifika försök att använda terminologiska skillnader som ett sätt att positionera en produkt på marknaden.

Homonymi innebär den motsatta situationen jämfört med synonymi: här syftar en eller flera termer med samma yttre form på flera begrepp¹. ISO 1087:2000 definierar homonymi som en relation mellan beteckningar och begrepp på ett visst språk där en beteckning representerar två eller flera obesläktade begrepp. Homonymer skapar stora problem för teknisk kommunikation. Därför strävar experter ständigt efter att undvika homonymer inom tekniska ämnesområden. När nya begrepp utvecklas vill man ändå gärna bilda nya termer för dem genom att kombinera välbekanta befintliga termer eller genom att ta över etablerade termer från allmänspråket (till exempel mus om en inmatningsenhet för datorer) eller från andra närliggande ämnesområden (till exempel virus från medicinen om skadlig programvara).

2. BEGREPPSORIENTERAD TERMINOLOGIHANTERING

Resultaten av allt slags terminologiarbete måste i dag lagras i terminologiska databaser (termbaser) eller terminologihanteringssystem. Även om åtkomsten till och hämtningen av innehållet i termbaserna i de flesta fall sker via (sök)termen, måste den organisatoriska principen för denna terminologiska kunskapsresurs vara begreppet.

Detta är den grundläggande skillnaden mellan en lexikografisk artikel i en ordbok eller ett lexikon och en terminologisk post i en termbas eller ett terminologihanteringssystem. Medan figur 2 visar den grundläggande strukturen hos en ordboksartikel (till exempel Wiktionary), där ordet (termen) utgör grunden för organiseringen av den språkliga informationen, visar figur 2 strukturen hos en preskriptiv terminologipost i en termbas (till exempel Wikipedia), med huvudfokus på begreppet.

Figur 3 visar också den preskriptiva ansats inom terminologihantering som tillämpas av standardiseringsorganisationer och företag för att skapa ett konsekvent och entydigt företagsspråk; endast en term för varje begrepp är den föredragna termen, medan andra termer för samma begrepp tillåts eller avråds.

¹ Skillnaden mellan homonymi och polysemi diskuteras inte här; den saknar relevans för datoriserad terminologihantering och därmed för denna artikel.

18

Klaus-Dirk Schmitz

Terms in Texts and the Challenge for Terminology Management

Figur 2. Struktur hos en lexikografisk artikel

Figur 3. Struktur hos en (preskriptiv) terminologisk artikel

Såsom definierat i ISO 1087-1:2000 och återspeglat i den terminologiska metamodelen i ISO 16642:2003 måste en terminologisk artikel innehålla alla terminologiska data som är relaterade till ett begrepp. Därför måste terminologisk datamodellering återspegla principen om begreppsorientering (se figur 3), vilket gör det möjligt att underhålla inte bara all begreppsrelaterad information utan också alla termer på alla språk med all termrelaterad information i en och samma terminologiska artikel. Terminologiska artiklar som utformats enligt principen om termorientering (se figur 2), som vi mycket ofta finner i tvåspråkiga ordlistor eller ordböcker, lämpar sig inte för noggrann terminologihantering och leder snart till inkonsekventa terminologisamlingar som inte är särskilt användbara, särskilt om flerspråkig terminologihantering krävs. Om lexikografiska LSP-produkter – särskilt i tryckt form – ska framställas, kan en alfabetisk, termorienterad vy genereras från en begreppsorienterad

Terminologija | 2015 | 22 19

terminologisk databas, eftersom endast den begreppsmässiga organisationen kan garantera en ändamålsenlig insamling, bearbetning, revidering och beredning av de domänspecifika termerna.

Utöver – inte i motsättning till – begreppsorientering är den andra viktiga principen för terminologihantering termautonomi. Termautonomi garanterar att alla termer, inklusive synonymer, förkortade former och stavningsvarianter, kan dokumenteras med alla nödvändiga termrelaterade datakategorier, såsom grammatik, stil, geografisk begränsning eller kontext. Detta tillvägagångssätt kan förverkligas genom att utforma datamodellen så att användaren kan skapa ett obegränsat antal termsektioner eller termblock som innehåller enskilda termer och alla ytterligare datakategorier som beskriver termen och dess användning.

Termautonomi representeras i den terminologiska metamodelen (ISO 16642:2003) genom att varje termsektion endast får innehålla exakt en term. Flera termer på ett språk för samma begrepp (synonyma benämningar) organiseras med hjälp av flera termsektioner, som var och en innehåller exakt en term och ytterligare datakategorier som dokumenterar denna term. I tillämpningsscenarier där terminologihanteringssystemet fungerar som terminologisk kunskapsbas för ett antal applikationer och program är termautonomi helt avgörande; till exempel måste ett kvalitetskontrollprogram som kontrollerar att termer används korrekt i texter ha tillgång till termbasen, där föredragna, tillåtna och avrådda termer lagras i samma terminologiska artikel (se figur 3), men i olika termsektioner.

Principerna om begreppsorientering och termautonomi återspeglas i modellen för en terminologisk artikel som visas i figur 4. Terminologihanteringsprogram som utformats enligt denna modell kan ge en varning när användaren försöker föra in information som endast rör ett begrepp i olika terminologiska artiklar (se Schmitz 2011: 242 f.).

Begreppsorientering och termautonomi är förutsättningar för domän- eller företagsspecifika terminologiska datasamlingar (se även Schmitz, Straub 2010: 38 ff.). Synonyma termer såsom USB stick, USB memory stick, USB flash drive, USB memory key, memory stick, pendrive, thumbdrive, eller endast key som kortform, lagras i en och samma terminologiska artikel med endast en engelsk definition och begreppsrelationer till andra begreppsartiklar; varje term kan dokumenteras med attribut som anger att exempelvis USB flash drive är den föredragna termen i dokumentation och USB key för produktmärkning, och att alla andra termer inte får användas i någon dokumentation

20

Klaus-Dirk Schmitz | Terms in Texts and the Challenge for Terminology Management

Figur 4. Modell av den terminologiska posten som återspeglar konceptorientering och termautonomi

menten i detta företag. På grund av konceptorienteringen hittar alla användare som söker i termbasen efter exempelvis pendrive konceptposten (med definitionen), ser att pendrive inte är den rekommenderade termen och hittar den föredragna termen USB flash drive. Om man däremot söker efter key får man flera träffar i samma databas, eftersom termen key betecknar flera koncept (homonym eller polysemiskt ord, t.ex. key som en del av tangentbordet) och därför lagras i flera poster med olika definitioner och konceptrelationer.

3. TERmer I TEXTER

Även om termer i terminologihanteringssystem organiseras i konceptorienterade poster används de i fackdokument som delar av textens språkliga yta. Beroende på ett givet språks morfologiska och syntaktiska egenskaper förekommer termer i böjda former som anger exempelvis plural, genitiv eller dåtid. Sambandet mellan en term i ett dokument och det motsvarande konceptet kan endast fastställas av läsaren genom att denne förstår textens budskap och uppfattar betydelsen bakom termen.

Terminologija | 2015 | 22

21

I specialiserad eller teknisk kommunikation rekommenderas starkt att endast använda en term för ett enskilt koncept (inga synonymer) och endast termer som inte är tvetydiga och inte betecknar två eller flera koncept (inga homonymer). Detta är dock inte alltid lätt att uppnå, och världen är full av dokument som inte uppfyller kraven på konsekvent och entydig terminologianvändning. Figur 5 visar ett exempeldokument med sex termer, varav några är flerordstermer, som kan beteckna samma koncept. För att förstå textens budskap måste läsaren ta ställning till frågan om alla termer betecknar samma koncept eller har olika betydelser. Vissa icke-experter inom det område som dokumentet behandlar kan bli förvirrade, generade eller rentav överväldigade.

Figur 5. Exempeldokument med termer som kan beteckna samma koncept

Men det är inte bara mänskliga läsare av tekniska dokument som har problem med att hantera texter som innehåller synonyma och homonyma termer. Datorstödda textbehandlingsverktyg har liknande eller till och med större problem.

I många organisatoriska miljöer och tillämpningsscenarier för terminologiarbete rekommenderas det att terminologi extraheras ur befintligt textmaterial. Typiska scenarier är förberedande terminologiarbete inför stora översättningsprojekt med flera översättare, innan översättningen inleds och varje översättare måste utföra (förmodligen samma) ad hoc-terminologiarbete, samt den inledande inmatningen av termer i en ny termbas med com-

22 Klaus-Dirk Schmitz | Terms in Texts and the Challenge for Terminology Management

företags- eller ämnesspecifik terminologi för att identifiera den grundläggande nödvändiga uppsättningen begrepp och termer.

Terminologisk extraktion omfattar uppgifter för att extrahera terminologisk information, främst själva termerna, ur textmaterial. Textmaterialet kan bestå av en samling enspråkiga dokument, ett par parallella texter som producerats på båda språken, en källspråkstext tillsammans med dess översättning eller en textkorpus med en strukturerad och systematiskt insamlad uppsättning meningar.

Manuell terminekstraktion utförd av ämnesexperter eller erfarna terminologer är den mest tidskrävande och kostsamma metoden, men leder sannolikt till de bästa resultaten. Datorstödda program för terminekstraktion kan hantera texter på (nästan) alla språk om de enbart använder statistiska metoder. Om deras algoritm för termidentifiering bygger på lingvistiska metoder blir resultaten av terminekstraktionen mycket bättre, särskilt för flerordstermer och fraser, men (kommersiella) lingvistiskt baserade verktyg för terminekstraktion finns endast för ”stora” språk som engelska, franska, tyska, spanska och några få andra.

Verktyg för terminekstraktion erbjuder vanliga funktioner som är kända från konkordansprogram (t.ex. WordSmith): de identifierar orden i ett textdokument, skapar ord-frekvensstatistik, visar ett KWIC-index (Key Word In Context) och visar resultaten sorterade i alfabetisk ordning eller efter frekvens. Eftersom ord förekommer i texter i böjda former kan lingvistiskt baserade verktyg för terminekstraktion reducera ordets textform till dess grundläggande kanoniska form; detta behövs för korrekt ordstatistik och tillförlitliga listor över termkandidater, men kräver lingvistisk kunskap om det aktuella språkets morfologi.

Eftersom terminologi alltid är relaterad till ett domänspecifikt språk bör verktyg för terminekstraktion kunna filtrera bort och ignorera funktionsord (t.ex. artiklar, konjunktioner, prepositioner osv.) samt allmänspråkliga ord. För denna funktion använder de flesta verktyg så kallade stoppordslistor, som är språkspecifika och kan kompletteras av användaren. Men ibland är det inte så lätt att avgöra om ett ord är ett allmänspråkligt ord eller en fackterm.

Även om verktyg för terminekstraktion kan vara till stor hjälp i specifika tillämpningsscenarier måste följande frågor beaktas:

• Resultatet av en terminekstraktionsprocess är en lista över termkandidater; denna lista måste granskas och ”rensas” av en terminolog.

Terminologija | 2015 | 22

23

• Verktyg för terminekstraktion tillhandahåller endast en lista över termer (ibland med kontextexempel) och ingen annan terminologisk information; den kan ses som en att-göra-lista för terminologen, som måste komplettera de terminologiska posterna med all annan nödvändig information och intellektuellt kontrollera och sammanföra exempelvis synonymer (olika termkandidater) till begreppsorienterade poster.

• Många verktyg för terminekstraktion har svårt att identifiera flerordstermer, nominalfraser eller verbfraser exakt, särskilt när de ingår i elliptiska konstruktioner eller består av åtskilda element.

• Ju mer lingvistisk kunskap som integreras i program för terminekstraktion, desto bättre blir resultaten, särskilt när det gäller att identifiera böjda ordformer och reducera dem till den kanoniska formen, men användningsområdet är begränsat till endast ”stora” språk.

Även om terminekstraktion är en viktig lingvistiskt baserad arbetsmetod för terminologihantering är resultaten användbara endast om terminologins begreppsorienterade och ontologiska aspekt beaktas. Extraherade termer måste intellektuellt tilldelas respektive begrepp, och synonymer, stavningsvarianter och förkortade former samt homonymer måste identifieras och ordnas på lämpligt sätt i begreppsorienterade terminologiposter i termbaser.

5. S L U T S A T S

Terminologiarbete och terminologihantering måste hantera begrepp och termer. För terminologiska uppgifter såsom termbildning och termextraktion erbjuder LSP-lingvistik lämpliga medel för att skapa, välja och identifiera termer, men vid all slags terminologihantering är det oerhört viktigt att inte tappa begreppsdelen av terminologin ur sikte. Inte bara terminologiska begreppssystem utan även alla typer av termbaser och terminologiska datasamlingar – betraktade som kunskapsorganisationssystem – måste följa ett begreppsorienterat angreppssätt för datamodellering och arbetsprocedurer. Detta angreppssätt är den nödvändiga grunden för att garantera att ämnesområdets eller företagets (lingvistiska) kunskap inte oavsiktligt splittras av termernas språkliga egenskaper, utan organiseras och hanteras genom begreppens ontologiska del och relationerna mellan begreppen.

24 Klaus-Dirk SchmitzTerms in Texts and the Challenge for Terminology Management

BIBLIOGRAPHY

Arntz R., Picht H., Schmitz K.-D. 2014: Einführung in die Terminologiearbeit. 7., vollständig überarbeitete und aktualisierte Auflage, Hildesheim: Georg Olms Verlag.

DIN 2342: 2011 Begriffe der Terminologielehre, Berlin: Beuth.

Felber H., Budin G. 1989: Terminologie in Theorie und Praxis, Tübingen: Narr.

ISO 1087-1:2000 Terminology work – Vocabulary – Part 1. Theory and application, Geneva: ISO.

ISO 16642:2003 Computer applications in terminology – Terminological markup framework, Geneva: ISO.

Ogden C. K., Richards I. A. 1923: The Meaning of Meaning: A Study of the Influence of Language upon Thought and of the Science of Symbolism, London: Kegan, Paul, Trench, Trubner.

Schmitz K.-D. 2011: Managing Terms in Terminology Management. – Magyar Terminológia = Journal of Hungarian Terminology 4/2, 238–245.

Schmitz K.-D., Straub D. 2010: Successful Terminology Management in Companies – Practical tips and guidelines. Stuttgart: TC and more. (Updated German issue will be available in 2015.)

TERMINAI TEKSTUOSE IR IŠŠŪKIS TERMINIJOS TVARKYBAI

Mokslinėse publikacijose, nacionaliniuose ir tarptautiniuose standartuose aiškinama, kad terminologijos teorija ir terminijos tvarkyba nagrinėja sąvokas ir terminus. Sąvokos apibrėžiamos kaip žinių ar mąstymo vienetai ar apskritai kaip mintyse esantys vaizdiniai, kuriuos galima apibūdinti apibrėžtimis. Geriausia, kai apibrėžtys siejasi su kitomis sąvokomis ir įvardija būdingas apibrėžiamos sąvokos ypatybes. Remiantis apibrėžtimis ir sąvokų ypatybėmis, galima sąvokas susieti ir sudaryti jų sistemas, atspindinčias tam tikros srities ar posričio žinias. Iš sąvokų yra sudėliota bet kuri žinių organizavimo sistema – tezauras, ontologija, taksonomija, terminologinė sąvokų sistema ar tiesiog terminologinių duomenų bazė.

Profesinėje komunikacijoje sąvokoms įvardyti vartojami nusistovėję terminai. Žinoma, techniniuose tekstuose jie atsiranda nepakeistu ir nuo nieko nepriklausančiu būdu, jų formą lemia morfologiniai tam tikros kalbos bruožai, jie pateikiami tam tikrame (socio)lingvistiniame kontekste, į kurį būtina atsižvelgti imantis bet kokios terminologinės veiklos. Terminijos tvarkybai yra labai svarbu neišleisti iš akių terminijos sąvokinės pusės. Ne tik terminologinės sąvokų sistemos, bet ir visi terminų bazių bei terminologinių duomenų rinkinių tipai, laikomi žinių organizavimo sistemomis, turi remtis į sąvokos vietą orientuotu duomenų modeliavimu ir darbo tvarka. Terminų, įskaitant rašybos variantus, sutrumpintas formas ir sinonimus, teisingas priskyrimas atitinkamoms sąvokoms, ypač automatiškai išrenkant terminus, yra sunkus terminijos tvarkybos uždavinys, kurį išspręsti gali padėti specialistai ar terminologai. Tik laikantis į sąvoką orientuoto požiūrio galima užtikrinti, kad tam tikros srities ar įmonės kalbinės žinios būtų struktūrinamos ir tvarkomos, remiantis sąvokomis ir jų ryšiais, o ne tik šiek tiek papildomos lingvistiniais terminų bruožais.

Gauta 2015-08-03

Klaus-Dirk Schmitz Cologne University of Applied Sciences Institute of Translation and Multilingual Communication Ubierring 48, 50678 Cologne, Germany E-mail [email protected]

Terminologija | 2015 | 22

25