Slovník a ontologie termínů z oblasti vzdělávání a vědy

IRENA MARKIEVICZ, ERIKA RIMKUTĖ

Vytauto Didžiojo universitetas

KLÍČOVÁ SLOVA: korpus, termíny z oblasti vzdělávání a vědy, ontologie, slovník

ÚVOD

V letech 2010–2012 probíhal v Centru počítačové lingvistiky Univerzity Vytautase Magnuse projekt financovaný Radou pro výzkum Litvy Automatická identifikace termínů z oblasti vzdělávání a vědy (ŠIMTAI 2). Hlavním cílem tohoto projektu bylo vyzkoušet metody korpusové lingvistiky, aby bylo možné automaticky nebo poloautomaticky rozpoznávat termíny a automatizovat výběr informací v korpusu potřebných k formulaci definic termínů, a usnadnit tak práci terminologů. Nejdůležitějšími výsledky provedeného výzkumu jsou kromě metodik specializovaný korpus z oblasti vzdělávání a vědy (dále jen ŠM) o velikosti 4 milionů slov, Slovník termínů z oblasti vzdělávání a vědy připravený na základě tohoto specializovaného korpusu a Ontologie termínů z oblasti vzdělávání a vědy.

Článek představuje slovník termínů z oblasti vzdělávání a vědy a ontologii těchto termínů. Pojednává o struktuře slovníku a o tom, čím se liší od jiných terminologických slovníků. Větší pozornost je věnována ontologii termínů z oblasti vzdělávání a vědy. Vysvětluje se, jak jsou ontologie definovány v různých vědních oborech, k čemu slouží a jakými metodami se vytvářejí. Ontologie termínů z oblasti vzdělávání a vědy je podrobně rozebrána, je představena její struktura, uvedeny příklady a vysvětleno, jak lze tento zdroj využít.

Obě práce – jak slovník termínů z oblasti vzdělávání a vědy, tak ontologie těchto termínů – byly připraveny na základě stejného materiálu, tj. specializovaného korpusu z oblasti vzdělávání a vědy, s využitím metodologie korpusové a počítačové lingvistiky.

Cílem této práce je představit možnosti korpusové a počítačové lingvistiky v oblasti terminologie a upozornit terminology i sestavovatele terminologických slovníků a databází na to, že správu termínů lze alespoň částečně automatizovat a že je možné skloubit preskriptivní a deskriptivní přístup k analýze termínů.

56

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

ETAPY TVORBY SLOVNÍKU TERMÍNŮ V OBLASTI VZDĚLÁVÁNÍ A VĚDY

Termíny slovníku termínů v oblasti vzdělávání a vědy byly určeny ve specializovaném korpusu pomocí lingvistických metod (podrobněji viz Grिगonytė et al. 2011; Rimkutė 2012). Tvorba slovníku trvala dva roky, tedy po dobu realizace výše uvedeného projektu, a probíhala v těchto etapách:

1) byl vytvořen specializovaný korpus v oblasti vzdělávání a vědy o rozsahu 4 milionů slov;

2) korpus byl automaticky morfologicky anotován;

3) byl vytvořen nástroj pro automatický výběr termínů založený na lingvistických pravidlech;

4) byla stanovena kritéria pro výběr potenciálních termínů;

5) bylo určeno přibližně 11 tisíc potenciálních termínů tvořených jedním až patnácti slovy;

6) byla uplatněna další kritéria pro výběr potenciálních termínů¹;

7) bylo určeno 780 termínů v oblasti vzdělávání a vědy (o délce 1–5 slov);

8) byla vypracována metodika definování termínů na základě korpusů;

9) byly připraveny lingvistické zdroje potřebné k určení definic termínů;

10) byly definovány termíny z 300 vybraných skupin;

11) byly uvedeny ekvivalenty definovaných termínů v angličtině, němčině a francouzštině.

Je nepochybné, že tvorba každého slovníku termínů vyžaduje značné časové i finanční zdroje a práci mnoha odborníků. Tento článek představuje slovník termínů v oblasti vzdělávání a vědy, který je sice malý – obsahuje 224 termínů (podrobněji viz následující kapitola), avšak z metodologického hlediska velmi komplexní. Jak vyplývá z popsaných etap tvorby slovníku, i při dostupnosti specializovaného korpusu z příslušné oblasti² byly k automatickému rozpoznávání a určování termínů zapotřebí speciální nástroje³.

¹ Analyzovány byly termíny nejvýše o sedmi slovech; zohledňovala se také četnost: čím kratší termín, tím častěji se musí vyskytovat. Například byly analyzovány pouze jednoslovné termíny použité alespoň 20krát, zatímco sedmislovné termíny musely být použity nejméně dvakrát.

² Tvorba korpusu je jednou z nejdůležitějších a časově nejnáročnějších etap celého výzkumu, neboť k vytvoření reprezentativního korpusu, v němž by bylo možné určit termíny, bylo třeba pečlivě vybrat texty, žánrově je vyvážit a technicky upravit (převést soubory PDF do textových souborů, změnit kódování apod.).

³ V rámci tohoto projektu byl vytvořen nástroj přizpůsobený litevštině pro automatickou identifikaci termínů, protože, jak ukázaly předchozí experimenty (viz Grigonytė et al. 2011), kvůli rozdílům ve struktuře jazyků je téměř nemožné přizpůsobit litevštině nástroje pro rozpoznávání termínů určené pro jiné jazyky. Tento nástroj využíval lingvistická pravidla: vyhledával termíny s určitými gramatickými strukturami, např. přídavné jméno + podstatné jméno, genitiv podstatného jména + podstatné jméno, příčestí + podstatné jméno atd. Podobnými metodami identifikují termíny i výzkumníci lotyštiny (viz Gornostay et al. 2012; Krugļevskis et al. 2005). Podle nich je identifikace termínů pomocí lingvistických metod (morfosyntaktické analýzy) vhodnější než statistické metody určené pro analytické jazyky.

Terminologija | 2013 | 20

57

Obtížné bylo také vybrat z všech automaticky identifikovaných smysluplných spojení se správnou gramatickou strukturou termíny z oblasti vzdělávání a vědy. Potíže vznikly proto, že z korpusu o 4 milionech slov bylo identifikováno až 11 tisíc takzvaných možných termínů. V další fázi výzkumu a tvorby slovníku bylo důležité z těchto spojení určit termíny z oblasti vzdělávání a vědy (o tomto problému pojednává Rimkutė 2012).

Je třeba upozornit na to, že představovaný slovník termínů z oblasti vzdělávání a vědy byl sestaven na základě korpusu. To znamená, že nebyl použit tradiční, dosud v Litvě stále rozšířený způsob terminologické práce, založený na kompetenci terminologů, někdy dosti subjektivní a preskriptivní, nýbrž deskriptivní způsob analýzy a definování termínů, který je v současné terminologii považován za přínosnější a opírá se o korpusová data. Korpusy jsou pro tvorbu slovníků velmi potřebné, protože v nich lze identifikovat nejtypičtější a nejčastější vzorce užívání termínů, které jsou důležité pro definování významu a výběr relevantních příkladů.

Vzhledem ke složité metodologii definování termínů bylo rozhodnuto podrobně definovat 300 termínů. Byly vybrány termíny z určitých skupin: termíny se slovem akademinis (např.: akademinė laisvė, akademinė etika, akademinė valanda), se slovem darbas (např.: diplominis darbas, namų darbas, savarankiškas darbas), se slovem išsilavinimas (např.: universitetinis išsilavinimas, bendrasis išsilavinimas, aukštasis išsilavinimas), se slovem švietimas (např.: švietimo teikėjas, suaugusiųjų švietimas, neformalusis švietimas) atd. Bylo definováno také několik často používaných jednoslovných termínů: studentas, mokslininkas, universitetas atd.

Stejně jako v jiných terminologických slovnících jsou u většiny termínů ve slovníku termínů z oblasti vzdělávání a vědy uvedeny ekvivalenty v angličtině, němčině a francouzštině. Byly vybrány z ověřených zdrojů a dokumentů z dané oblasti a ze specializovaných terminologických databází: Anglų kalbos švietimo terminų žodyno (Glossary of Educational Terms), Aiškinamojo su studijomis susijusių terminų žodyno, Der Europäische Qualifikationsrahmen für lebenslanges Lernen, EuroVoc (vícejazyčného tezauru Evropské unie), Lietuvos Respublikos terminų banko atd.

Vycházelo se především z terminologie vzdělávání ve Velké Británii, Francii a Německu, význam mnoha překladových ekvivalentů však v kontextu systémů uvedených zemí není zcela stejný jako význam původních termínů používaných v oblasti vzdělávání a vědy v Litvě. Ekvivalenty termínů v cizích jazycích uvedené ve slovníku jsou použitelné pro systém vědy a vzdělávání Litevské republiky a nelze je vždy (nebo lze jen částečně) použít k popisu systému vědy a vzdělávání jiné země.

58

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

STRUKTURA SLOVNÍKU TERMÍNŮ Z OBLASTI VZDĚLÁVÁNÍ A VĚDY

Slovník termínů z oblasti vzdělávání a vědy je volně přístupný na internetu na adrese http://daukantas.vdu.lt/moksliniai-terminai/.. Obsahuje 224 termínů, přestože v předchozí kapitole bylo uvedeno, že bylo definováno 300 termínů. Počty definovaných termínů a termínů uvedených ve slovníku se liší proto, že se ukázalo, že některé termíny (např.: kvalifikacijos lygis / lygmuo; mokslo / mokslinis laipsnis; mokslo / mokslinė produkcija; magistrantūros / magistro studijos; studento mokymosi / darbo krūvis; valstybės / valstybinis mokslo institutas) se používají jako synonyma a mají podobnou strukturu, proto byly tyto termíny sloučeny.

Slovník termínů z oblasti vzdělávání a vědy obsahuje nezbytné části všech terminologických slovníků, tj. vlastní termín a jeho definici. Jak již bylo uvedeno, jsou zde uvedeny ekvivalenty v angličtině, němčině a francouzštině. Jsou zde také uvedeny tematické oblasti (např. řízení vysokého školství, politika vysokého školství, správa vysokého školství) a zkratky některých termínů.

Slovník se od jiných terminologických slovníků a databází liší tím, že uvádí také všechny flektivní tvary termínů s jejich četností a celkovou četnost termínu v korpusu textů z oblasti vzdělávání a vědy. U všech termínů lze najít alespoň dva příklady užití z tohoto korpusu (příklady nebyly redakčně upraveny ani pozměněny, pouze byly někdy zkráceny), levé a pravé kolokáty⁴ a konkordanci⁵.

Informace z korpusu nestačily k definování všech termínů. U termínů, pro jejichž definování nebylo dostatek informací (např.: mokymo teikėjas, studento krepšelis, bazinis išsilavinimas), jsou uvedeny hvězdičky.

Protože termíny byly vybrány z korpusu, bylo známo, jak často se v něm vyskytují, a proto je u všech termínů uvedena četnost, označovaná podle dohody ve vztahu k ostatním termínům:

★★★ se uvádí u nejčastějších termínů, které se v korpusu textů z oblasti vzdělávání a vědy vyskytují až 500krát;

★★☆ se uvádí u méně častých termínů, které se v korpusu vyskytují 100–499krát;

⁴ Jde o kontextové partnery analyzovaného termínu určené statisticky (podle četnosti), které se často nacházejí v jeho bezprostřední blízkosti nalevo nebo napravo.

⁵ Jde o případy užití všech gramatických tvarů zvoleného termínu z korpusu, uvedené v kontextu jednoho řádku (řádek konkordance obvykle zahrnuje více než jednu větu). Konkordance se obvykle analyzuje tak, že se nejprve čte svisle, protože jen tak se projeví typické užití termínu. Analyzovaný termín je umístěn uprostřed řádku konkordance a je zvýrazněn tučně. U analyzovaného termínu je uvedeno přibližně 50 znaků konkordance nalevo i napravo. Chcete-li zobrazit delší úryvek konkordance (přibližně 150 znaků nalevo i napravo), klikněte na znaménko plus na konci řádku konkordance.

Terminologija | 2013 | 20

59

★☆☆ se uvádí u termínů, které se v korpusu vyskytují 10–99krát;

☆☆☆ se uvádí u vzácných termínů, které se v korpusu vyskytují méně než 10krát.

Níže je jako ukázka slovníku termínů ŠM uvedeno heslo k termínu bakalauro studijos.

BAKALÁŘSKÉ STUDIUM ★☆☆

Definice

Studium prvního stupně vysokoškolského vzdělávání, které poskytuje všeobecné univerzitní vzdělání, základní znalosti ve zvoleném studijním oboru a kvalifikaci bakalářského stupně.

Příklady

Na univerzitách v USA je běžné, že se nadanějším studentům umožňuje spojit magisterské studium s doktorským studiem, přesněji – nastoupit do doktorského studia hned po bakalářském studiu (to do určité míry vysvětluje, proč se magisterské a doktorské studium spojuje do jednoho pojmu – graduate studies, které se uskutečňuje na takzvané graduate school) a získat titul PhD po 8 letech studia na univerzitě.

Doporučená délka spolu s bakalářským studiem – 5 let

Bakalářské studium (I. stupeň) obvykle trvá 4 roky (160 kreditů, denní studium).

Bakalářské studium, magisterské studium a doktorské studium se ukončují obhajobou bakalářské práce, diplomové práce a disertační práce.

Bakalářské studium je studium prvního stupně, které poskytuje všeobecné univerzitní vzdělání a základní znalosti ve zvoleném studijním oboru.

Četnost

bakalářské studium 21

bakalářským studiem 6

v bakalářském studiu 3

bakalářské studium 7

bakalářského studia 14

Celková četnost: 51

Ekvivalenty

Anglicky: bachelor’s studies

Německy: Bachelorstudium

Francouzsky: études de licence

Oblast

správa vysokého školství

60

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Kolokace

Levé kolokace

Pravé kolokace

PO

bakalářského studia

SU

bakalářským studiem

ZKRATKY

bakalářská studia

SOFTWARE

bakalářskému studiu

bakalářské studium

PRVNÍ STUPEŇ

bakalářské studium

MAGISTERSKÉ A DOKTORSKÉ STUDIUM

Konkordance⁶

[1]

pracovat nebo pokračovat ve studiu a dokončit

bakalářské studium.

Zástupci vysoké školy rozšířili zprávu,

[2]

zemích, které nabízejí takové bakalářské studium.

Bakalářského studia

v podzimním semestru 4. ročníku, zatímco studium v magisterském programu

[3]

teologický studijní program – 5 let); do

bakalářské studium

bylo přijato 1 870 studentů, zatímco v roce 2009 univerzity

[4]

univerzity se odhodlaly zkrátit až na 3 a 3,5 roku

bakalářské studium,

informuje, že zákon o vědě a studiu

[5]

univerzity se odhodlaly zkrátit až na 3 a 3,5 roku

bakalářské studium.

Američtí bakaláři, kteří chtějí zahájit magisterské studium

[6]

požadavky komisí: je třeba mít dokončené

bakalářské studium,

pokud se uchazeč hlásí do programu zaměřeného na výzkum,

[7]

let. Univerzity se rozhodly zkrátit bakalářské studium až na 3 roky

bakalářské studium.

Několik univerzit se rozhodlo zavést bakalářské studium v délce až 3 a 3,5 roku

[8]

kreditů (čtyřapůlleté) bakalářské studium.

bakalářské studium,

trvající 4 roky (studium katolické teologie

[9]

studium neposkytující. Doporučená doba společně s

bakalářským studiem

– 5 let (3 + 2; 3,5 + 1,5; 4 + 1). Bakalářské

[10]

Byl požádán, aby tato studia porovnal se svým

bakalářským studiem

v USA; cizinec si všiml, že tady je to mnohem snazší.

⁶ Zde je uvedeno pouze prvních deset řádků konkordance. Kliknutím na znaménko plus na webových stránkách se zobrazí delší konkordance.

Terminologija | 2013 | 20

61

U některých termínů jsou uvedeny tisíce konkordančních řádků. Procházení takového množství informací zabere mnoho času a tyto údaje nejsou důležité pro každého. Těm, kteří se chtějí dozvědět více o užívání termínu a kontextu, v němž se zvolený termín používá, případně sestavit jinou definici, vybrat potřebné příklady či si vytvořit objektivní názor, přináší konkordance mnoho užitku.

POJEM ONTOLOGIÍ A DŮVODY JEJICH TVORBY

Tato a následující kapitoly pojednávají o ontologii termínů školství a vědy, zásadách její tvorby a možnostech využití této i dalších ontologií. Pro lepší názornost je uvedeno několik vizualizovaných klasifikací a výsledků ontologie termínů školství a vědy.

Ontologie jsou formálními nástroji konceptualizace znalostí, které zobecňují znalosti popsané přirozeným jazykem do strukturovaného hierarchického modelu souvisejících pojmů. Problémy s kvalitou zpracování informací a mnohoznačností termínů vedou k potřebě vytvářet strukturované terminologické databáze, s nimiž by počítačové programy mohly zpracovávat přirozený jazyk lidí (angl. natural language processing) a interpretovat jeho sémantiku. Právě z tohoto důvodu se ontologie vytvářejí.

Člověk znalý určitého jazyka snadno pochopí význam textu v přirozeném jazyce, který mu je předložen, zatímco počítačový program interpretuje tytéž informace jako soubor textových znaků a souvisejících metaznaček. Ontologie jsou spojovacím článkem, který převádí informace zapsané přirozeným jazykem na koncepční model znalostí, snadno interpretovatelný roboty pro vyhledávání a zpracování informací.

Tvorba ontologií je interdisciplinární proces zahrnující oblasti filozofie, lingvistiky a informatiky (podrobněji viz Grigonytė 2010). Ve filozofii je ontologie chápána jako disciplína, která zkoumá bytí a existenci. Lingvisté tuto definici ontologie dále rozvíjejí; v lingvistice je ontologie sítí jednotlivých pojmů a termínů, které je charakterizují. V informatice je ontologie logickým a formálním obrazem skutečnosti.

Největším a snadno dostupným zdrojem textů v přirozeném jazyce je internet, proto jsou ontologie často chápány jako jeden z nástrojů sémantického webu a sémantického vyhledávání. Organizace W3C, která vytváří standardy pro webové stránky, popisuje ontologii jako soubor termínů, který popisuje znalosti v určité oblasti: „ontologie používají lidé, databáze a aplikační programy, které se snaží sdílet informace z určité oblasti

62 Irena Markievicz, Erika Rimkutė | Švietimo ir mokslo terminų žodynas ir ontologija

informace <...>. Ontologie propojují pojmy z určité oblasti a vztahy mezi nimi způsobem přizpůsobeným počítačovým programům“ (W3C).

Ontologie termínů školství a vědy (dále jen ontologie termínů školství a vědy) byla vytvořena s cílem formalizovat soubor termínů školství a vědy, vytvořený v rámci výše zmíněného úvodního projektu, a doplnit jej o sémantické vztahy, které mohou interpretovat aplikační programy. Hlavní činnosti při tvorbě ontologie zahrnují kvalitní popis termínů a pojmů ve zvolené oblasti a formální specifikaci jejich významů. Tyto činnosti jsou důležité při řešení problému mnohoznačnosti termínů a vytváření strukturálního terminologického modelu oblasti školství a vědy. Ontologie termínů školství a vědy byla vytvořena nejen jako taxonomie těchto termínů, ale také jako jeden z možných zdrojů sémantického vyhledávání.

Ontologie termínů školství a vědy je dostupná na internetu na adrese http://meta.vdu.lt/webprotege/,; je vizualizována pomocí nástroje WebProtege, v němž lze prohlížet strom hierarchických tříd, jejich atributy a příklady instancí pojmů. Uživatel si může vytvořit vhodné grafické rozhraní otevřením či skrytím dalších panelů a bloků. Doporučuje se používat prohlížeče Chrome nebo Mozilla Firefox. Pro lepší znázornění vztahů mezi termíny se doporučuje používat Protege 4.3 s pluginem OntoGraf.

VÝBĚR METODOLOGIE TVORBY ONTOLOGIE TERMÍNŮ VZDĚLÁVÁNÍ A VĚDY

Zobecněná koncepce tvorby ontologií je popsána následujícím procesním metamodellem (podrobněji viz Cimiano 2006): M={D, LA, T, S, C, TR}, v němž D označuje shromažďování dokumentů, LA – lingvistické značky, T – výběr termínů, S – určení synonym, C – propojení termínů a jejich synonym do pojmů a TR – definování sémantických vztahů mezi pojmy.

Při používání různých metodologií tvorby ontologií se uplatňují různé strategie: některé metodologie kladou větší důraz na životní cyklus ontologie a tvorbu prototypů (Cyc, TOVE, Methontology, On-To-Knowledge), jiné více zdůrazňují využití ontologií v aplikačních programech (KAKTUS). Některými metodami se ontologie vytvářejí z nahromaděných textových korpusů (TOVE, On-To-Knowledge), jinými z rozsáhlých obecných ontologií znalostí (SENSUS, Cyc) (podrobněji viz Corcho et al. 2003).

Ontologie se nejjednodušeji vytvářejí v těchto fázích: vybere se oblast znalostí, zpracují se informace (definují se pojmy, termíny a omezení),

Terminologija | 2013 | 20 63

určí se metody rozšiřování ontologie a kritéria hodnocení, připraví se dokumentace ontologie (podrobněji viz Uschold et al. 1996). Při tvorbě ontologií touto metodou se nepředpokládá vytváření prototypů ontologie ani používání ontologií jako dodatečných informačních zdrojů. Pomocí této metodologie bylo vytvořeno několik ontologií hospodářské činnosti, avšak není stanoveno, jak je využít v aplikačních programech.

V projektu On-To-Knowledge byla navržena metodologie zaměřená především na správu znalostí a možnosti využití budoucí ontologie v informačních systémech (podrobněji viz Staab et al. 2001). Po provedení studie proveditelnosti byly definovány informační zdroje, potenciální uživatelé ontologie a způsoby jejího využití.

Na zdokonalování ontologie On-To-Knowledge se podíleli odborníci z vybrané oblasti a zpracovávaly se informace shromážděné z textů a dalších znalostních bází. Kvalita ontologie byla hodnocena ověřením, zda ontologie splňuje požadavky a možnosti jejího použití. Všechny tyto fáze tvorby a zdokonalování ontologie lze považovat za doporučení pro tvorbu dalších ontologií.

Představené metodologie se zaměřují především na metody tvorby ontologií z textových informačních zdrojů. Metodologie ontologie SENSUS navrhuje při tvorbě ontologie specializované oblasti využívat ontologie obecných znalostí (podrobněji viz Gomez-Perez et al. 2004). Metodologie počítá se seskupováním termínů ze znalostní báze OntoSaurus do stromu pojmů. Při pokusu propojit dvě třídy pojmů se hledá třída obecného pojmu (angl. root class).

Při výběru metodologie tvorby ontologie termínů vzdělávání a vědy byly zohledněny dostupné informační zdroje a možnosti využití jazykových technologií a nástrojů pro tvorbu ontologií. Bylo rozhodnuto využít zkušenosti získané v projektu Methontology (podrobněji viz Mariano et al. 2004; Gomez-Perez et al. 2004; Corcho et al. 2003).

Využití Methontology při tvorbě ontologie termínů vzdělávání a vědy a zdroje pro tvorbu ontologie jsou znázorněny na obrázku 1. Ve fázi specifikace se uvádějí cíl a rozsah tvorby ontologie. Konceptuální model ontologie se vytváří s ohledem na oblast vymezenou během specifikace a později se formalizuje – převádí se na formální model ontologie. Během procesu tvorby se formální model implementuje podle požadavků zvoleného jazyka pro tvorbu ontologií. I již vytvořená ontologie se často mění, rozšiřuje nebo aktualizuje.

64

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Obr. 1 Procesy a zdroje tvorby ontologie terminů ŠM (na základě Methontology)

Po uplatnění modelu Methontology byl vytvořen glosář termínů a taxonomie pojmů, byly určeny vztahy mezi jednotlivými objekty ontologie a připravena databáze příkladů atributů, tříd, abstraktních tříd a jejich atributů a vztahů, v níž se uvádí, za jakých okolností zvolený pojem existuje a s jakými dalšími pojmy souvisí; popsány byly také entity pojmů.

Ontologie popisují různé věci ze stejné specifické oblasti: osoby (např. rektor, student), místa (např. univerzita), procesy (např. výuka, vyučování), výsledky procesů (např. umělecké dílo, bakalářská práce) atd. Všechny jsou v ontologii označovány jako pojmy (angl. concept), které mohou existovat jako samostatná informační jednotka ontologie nebo mohou být sdruženy do tříd pojmů (angl. class).

Taxonomie pojmů (angl. concepts taxonomy) – systematická klasifikace pojmů podle zvoleného konceptuálního modelu ontologie – se obvykle vytváří z glosáře termínů (angl. glossary of terms), který se v tomto případě chápe jako formální seznam termínů a jejich definic (podrobněji viz Uschold et al. 2004).

V klasické taxonomii se třída definuje jako „skupina podobných entit, která se liší od skupin jiných individuí“ (podrobněji viz Mayr 1987). Každou třídu ontologie charakterizuje soubor vlastností (angl. property) a jejich omezení (angl. restriction), která jsou pro ni specifická a která přebírají všechny entity dané třídy (angl. instance, individual). Entita je konkrétním exemplářem zvoleného pojmu (např. Zigmas Lydeka je entitou pojmu rektor).

Terminologija | 2013 | 20 65

Termíny ontologie terminů ŠM byly stanoveny ve specializovaném textovém korpusu pomocí lingvistických metod (podrobněji viz Grigonytė et al. 2011; Rimkutė 2012). Pojmy a třídy pojmů ontologie byly vytvořeny pomocí kombinované strategie zdola nahoru (angl. down-top strategy) a shora dolů (angl. top-down strategy) (podrobněji viz Uschold et al. 1996). Při použití strategie zdola nahoru se nejprve identifikují nejspecifičtější pojmy, které se následně nahrazují abstraktnějšími. Při použití strategie shora dolů se nejprve definují abstraktní pojmy, které se poté upřesňují. Při použití kombinované strategie tvorby ontologií se nejprve zkoumají výchozí pojmy a podle potřeby se buď upřesňují, nebo zobecňují.

V této fázi tvorby taxonomie termínů ontologie se aktivně podílel odborník z oblasti ŠM. Seskupil termíny podle oborových oblastí a vytvořil předběžný koncepční model ontologie.

Při tvorbě taxonomie pojmů se doporučuje věnovat zvláštní pozornost těmto etapám: sestavit seznam termínů a vybrat z něj potřebné termíny, vytvořit model pojmů, připravit definice a vyhodnotit termíny (ISO 10241: 1992).

STRUKTURA ONTOLOGIE TERMÍNŮ VZDĚLÁVÁNÍ A VĚDY

Jednou z výzev procesu tvorby ontologií je vytvořit kvalitní datovou strukturu, která je univerzální a použitelná v různých systémech zpracování informací a kompatibilní s jinými zdroji znalostí. Základním prvkem ontologie je věc (angl. thing), která abstrahuje všechny pojmy ontologie. Nezbytnost tohoto prvku vysvětluje filozofická definice ontologie jako vědy zabývající se bytím. Ontologie formalizuje veškeré znalosti určité oblasti, proto je jejím nezbytným prvkem abstraktní třída, která zobecňuje všechny pojmy specializované oblasti.

Pojmy, termíny a axiomy jsou základními koncepčními prvky každé ontologie. Je důležité rozlišovat významy termínu a pojmu. V normě LST ISO 1087-1 (2005) je pojem charakterizován jako „[j]ednotka poznání tvořená jedinečnou kombinací znaků“. Pojem nezávisí na jazyce, ovlivnit jej může pouze kontext. Termín je identifikátorem pojmu, tj. „[s]lovní označení obecného pojmu ve specifické oborové oblasti“ (LST ISO 1087-1: 2005). Axiomy popisují omezení specifické oblasti a vytvářejí hierarchickou strukturu pojmů ontologie. Mezi formální strukturální objekty ontologie patří pojmy, třídy pojmů, instance tříd a pojmů, vlastnosti tříd, pojmů a instancí, vztahy propojující všechny objekty ontologie a omezení.

66

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Obr. 2. Struktura ontologie termínů vzdělávání a vědy podle oblastí modelu podnikových činností

Na doporučení experta byly všechny termíny seskupeny do tří abstraktních tříd vstupní, procesní a výstupní (viz obr. 2), které jsou typické pro modely podnikových činností (podrobněji viz ISO 9001: 2000). Třída vstup uvádí požadavky, zdroje a data systému nebo konkrétní činnosti. Do této kategorie proto patří skupiny termínů infrastruktura, instituce a účastník. Procesy činnosti se dělí na základní (třída činnost), které vytvářejí přidanou hodnotu, a podpůrné procesy (třída administrace), které posilují činnost hlavních procesů a zajišťují infrastrukturu pro vytvářené procesy. Výstup shrnuje efektivitu a výkonnost procesu – uvádí, jakých výsledků bylo možné dosáhnout, jakých výsledků bylo dosaženo a jaké zdroje byly k tomu využity (třídy vědecká produkce, produkce profesní přípravy, studijní produkce a umělecká produkce). Každá abstraktní třída oborové oblasti může mít další podtřídy dané oblasti (jak je vidět na obrázku 3, podtřídou třídy účastník je administrátor, tato podtřída se dále člení). Ontologie termínů vzdělávání a vědy obsahuje celkem 29 abstraktních tříd. Jejich hlavním účelem je vytvořit obecný koncepční model ontologie podle již zmíněné strategie shora dolů.

Terminologija | 2013 | 20

67

Obr. 3. Obecné pojmy třídy účastník a abstraktní podtřídy v ontologii termínů vzdělávání a vědy

ŠM terminų ontologiją sudaro 465 bendrosios sąvokos⁷, kurių hierarchija sukurta pasitelkus apibrėžiamųjų kontekstų atpažinimo šablonus (plačiau žr. Bielinskienė et al. 2012). Apibrėžiamieji kontekstai iš dalies arba visiškai atitinka terminų apibrėžtis ir sudaromi iš hiperoniminių sąvokų. Pavyzdžiui, sąvoka studentas apibrėžiama kaip asmuo, studijuojantis aukštojoje mokykloje pagal nuosekliųjų studijų programą. O užsienio studentas yra studentas, atvykęs į tam tikros šalies aukštąją mokyklą iš kitos šalies studijuoti visos nuosekliųjų studijų programos arba dalinių studijų.

V ontologii vědeckých termínů jsou pojmenovány následující taxonomické vztahy:

– podtřída třídy (angl. subclass-of) – např. magistrand je podtřídou třídy student;

– rozklad (angl. disjoint-decomposition) – např. studijní produkce nemůže být současně bakalářskou prací i disertací;

– úplný rozklad (angl. exhaustive-decomposition) – např. k třídě vyučující patří podtřídy docent, lektor, profesor a další. Je-li určitý objekt vyučujícím, musí patřit alespoň do jedné z uvedených podtříd;

– rozdělení (angl. partition) – např. pojem semestr studia zahrnuje pojmy jarní semestr a podzimní semestr. Pokud se mluví o semestru studia, musí patřit do některé z uvedených podtříd.

⁷ Ontologie uvádí také termíny, které nejsou obsaženy ve slovníku termínů vzdělávání a vědy, tj. nebyly podrobně definovány.

68

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Obr. 4 Taxonomická hierarchie pojmu studentas v ontologii terminů vzdělávání a vědy

Protože hlavním kritériem kvality ontologie je jednoznačnost termínů, byla při tvorbě ontologie terminů vzdělávání a vědy věnována značná pozornost tomu, aby byla soustava vlastností pojmů sestavena kvalitně. Pro stanovení souboru vlastností tříd, pojmů a entit jsou vhodné vzory pro rozpoznávání popisných kontextů (podrobněji viz Bielinskienė et al. 2012). Popisné kontexty vymezují povahu analyzovaného pojmu a jeho vztah k ostatním částem systému.

Obr. 5 Možnosti použití atributu aktivus v ontologii terminů vzdělávání a vědy⁸

Pomocí téže vlastnosti lze popsat několik různých pojmů. Například vlastnost aktivus je charakteristická pro čtyři pojmy: praktinis darbas, praktinis rengimas, praktinis užsiėmimas, pratybos (viz obr. 5). Proto je důležité zdůraznit, že pojem lze kvalitně charakterizovat pouze jedinečnou kombinací vlastností.

⁸ Pomocí Protege 4.3, nástroje pro tvorbu a vizualizaci ontologií, nebylo možné používat litevštinu, proto jsou strukturální prvky ontologie (např. ObjectProperty, Domain) uvedeny v angličtině.

Terminologija | 2013 | 20

69

Obr. 6 Soubor vlastností a jejich omezení pojmu akademická hodina v ontologii terminů vzdělávání a vědy

Každá vlastnost může mít stanovená svá omezení nebo vztahy k jiným pojmům či třídám pojmů. Například akademinė valanda je definována jako jednotka doby kontaktní práce vyučujících a studentů, která se rovná 45 minutám. Formální ontologická definice tohoto pojmu stanovuje následující soubor vlastností: akademinė valanda jako podtřída procesas; dalyviai jsou studentai ir dėstytojas; jde o kontaktinis proces s trukmė, která je definována konstantou 45 minučių (viz obr. 6).

Vlastnosti tříd a pojmů, jejich omezení a vztahy k dalším vlastnostem přebírají entity – instance konkrétních tříd a pojmů, které se vyznačují

Obr. 7 Strom vztahů mezi pojmy a entitami ontologie terminů vzdělávání a vědy

70

Irena Markievicz, Erika Rimkutė | Švietimo ir mokslo terminų žodynas ir ontologija

se stejnými vlastnostmi. Například pokud ontologie uvádí, že rektor řídí univerzitu, pak jedinec této třídy – Zigmas Lydeka – řídí VDU, tj. jedince třídy univerzita (viz obr. 7).

Ontologie termínů vzdělávání a vědy byla vytvořena v jazyce OWL pomocí nástroje pro tvorbu ontologií Protege 4.3 a vizualizována pomocí nástroje WebProtege nebo doplňku OntoGraf⁹.

HODNOCENÍ ONTOLOGIE TERMÍNŮ VZDĚLÁVÁNÍ A VĚDY A JEJÍ APLIKACE

V současnosti obsahuje ontologie termínů vzdělávání a vědy 29 abstraktních tříd pojmů a 465 obecných pojmů, 87 vlastností pojmů, tříd pojmů a jejich jedinců, 141 jedinců a 296 vztahů mezi třídami pojmů, pojmy a jedinci ontologie.

Složitost ontologie lze formálně hodnotit pomocí metrik deskriptivní logiky (angl. description logic) (podrobněji viz Corcho et al. 2003; Baader 2003). Ontologie termínů vzdělávání a vědy byla hodnocena na úrovni složitosti ALCHON(D), kde:

– AL – atributový jazyk; umožňuje propojovat pojmy a stanovovat pro ně univerzální omezení;

– C – označuje, že lze popírat vztahy mezi pojmy;

– H – označuje, že lze vytvářet hierarchii rolí;

– O – omezení vyjadřující kardinalitu (vztahy: právě jeden, jeden z mnoha);

– N – omezení kardinality (vztahy: méně, více);

– (D) – vlastnosti datových typů.

Kromě slovníku ontologie, taxonomie a sémantických vztahů se hodnotí také možnosti jejího využití a aplikace. Zvolený jazyk OWL pro tvorbu ontologií je vhodný pro odvozování sémantických závěrů, doplňování ontologie o nové pojmy nebo propojování ontologií z různých oborů. Strukturální model termínů v oblasti vzdělávání a vědy je navržen tak, aby byl každý pojem ontologie popsán jedinečnou sadou vlastností a sémantických vztahů – toto řešení pomáhá řešit problém mnohoznačnosti termínů. Tento zdroj byl vytvořen nejen jako taxonomie termínů v oblasti vzdělávání a vědy, ale také jako jeden z možných nástrojů sémantického vyhledávání a zpracování přirozeného jazyka.

⁹ Další informace: http://protege.stanford.edu.

Terminologija | 2013 | 20

71

Dosud byla věnována značná pozornost tomu, jak lze ontologie využít při počítačovém zpracování přirozeného jazyka, jeho systematizaci a zpřístupnění počítačovým programům. Možná není na první pohled zcela jasné, v čem mohou být ontologie užitečné lingvistům nebo odborníkům z jiných oborů. Je třeba zdůraznit, že ontologie jsou zvláště přínosné pro terminology, protože pomocí nástrojů pro vizualizaci ontologií jsou jasně patrné vzájemné vztahy mezi termíny. K ilustraci termínů lze vybrat konkrétní slova související s danými termíny, která jsou uvedena v ontologii (v ontologii nazývaná esiniais).

Slovník termínů ŠM i ontologie mohou být užitečné účastníkům v oblasti ŠM: vysokoškolským pedagogům, učitelům, pracovníkům administrativy, studentům a žákům, protože tyto zdroje ukazují například to, jak se klasifikují studenti, jaké druhy studia existují, z čeho se skládá administrativa vysokých škol apod.

ZÁVĚREČNÉ POZNÁMKY

Článek představuje Slovník termínů školství a vědy a Ontologii termínů školství a vědy. Slovník i ontologie byly dále rozvíjeny. Největší předností a jedinečností obou zdrojů je, že byly vytvořeny na základě principů korpusové a počítačové lingvistiky, které jsou mezi litevskými terminology dosud málo využívány.

Slovník termínů ŠM je dostupný na internetu a obsahuje 224 termínů tvořených jedním až pěti slovy. Od jiných terminologických slovníků se liší tím, že kromě obvyklých částí terminologického slovníku (samotných termínů, definic a ekvivalentů v cizích jazycích) uvádí všechny skloňované tvary daného termínu spolu s četnostmi, příklady z korpusu textů ŠM, kolokáty a konkordance. Tyto údaje jsou důležité, protože uživatelé slovníku si mohou vytvořit ucelený obraz o užívání a kontextu určitého termínu; mohou také najít důležité znaky termínu, které možná nebyly v definici zmíněny.

Ontologie termínů ŠM dostupná na internetu odhaluje, jaké sémantické vztahy spojují termíny ŠM, a zpřístupňuje tyto informace počítačovým programům. Ontologie mohou být zvláště užitečné terminologům, kteří klasifikují a popisují termíny určité oblasti a uvádějí konkrétní příklady.

Předpokládá se, že slovník termínů ŠM i ontologie budou metodologicky významnými zdroji a podnítí litevské terminology k většímu využívání možností, které korpusy nabízejí pro zkoumání, popis a klasifikaci termínů.

72

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

LITERATŪRA

Baader F. 2003: Appendix: description logic terminology. – The description logic handbook: theory, implementation, and applications, Cambridge: Cambridge university press.

Bielinskiene A., Boizou L., Kovalevskaite J., Utka A. 2012: Towards the Automatic Extraction of Term-defining Contexts in Lithuanian. – Human Language Technologies. The Baltic Perspective: Proceedings of the Fifth International Conference Baltic HLT 2012, Amsterdam, Berlin, Tokyo, Washington, DC: IOS Press, 18–26.

Cimiano P. 2006: Ontology Learning and Population from Text: Algorithms, Evaluation and Applications, Karlsruhe: Springer.

Corcho O., Fernández-López M., Gómez-Pérez A. 2003: Methodologies, tools and languages for building ontologies. Where is their meeting point? – Data & knowledge engineering 46(1), 41–64.

Gomez-Perez A., Corcho O., Fernandez-Lopez M. 2004: Ontological Engineering: with examples from the areas of Knowledge Management, e-Commerce and the Semantic Web, London: Springer-Verlag.

Gornostay T., Ramn A., Heid U., Morin E., Harastani R., Planas E. 2012: Terminology Extraction from Comparable Corpora for Latvian. – Human Language Technologies. The Baltic Perspective: Proceedings of the Fifth International Conference Baltic HLT 2012, Amsterdam, Berlin, Tokyo, Washington, DC: IOS Press, 66–73.

Grigonytė G. 2010: Building and Evaluating Domain Ontologies: NLP Contributions, Logos Verlag Berlin GmbH.

Grigonytė G., Rimkutė E., Utka A., Boizou L. 2011: Experiments on Lithuanian Term Extraction. – Proceedings of the 18th Nordic Conference of Computational Linguistics NODALIDA 2011. NEALT Proceedings Series 11, 82–89.

ISO 10241: 1992 International terminology standards – Preparation and layout. Geneva: ISO.

ISO 9001: 2000 Quality management systems – Requirements, Geneva: ISO.

Kruglevskis V., Vancāne I. 2005: Term Extraction from Legal Texts in Latvian. – Proceedings of the Second Baltic Conference Human Language Technologies, 155–159.

LST ISO 1087-1: 2005 Terminologijos darbas. Aiškinamasis žodynas. 1 dalis. Teorija ir taikymas (tpd ISO 1087-1: 2000).

Mariano F., Gomez-Perez A., Juristo N. 2004: Methontology: From Ontological Art Towards Ontological Engineering. – AAAI-97 Spring Symposium. Series on Ontological Engineering, Stanford: AAAI Press, 33–40.

Mayr E. 1987: The ontological status of species: scientific progress and philosophical terminology. – Biology and Philosophy 2(2), 145–166.

Rimkutė E. 2010: Lietuvių kalbos terminų automatinio nustatymo galimybės. – Kalbų studijos 16, 71–78.

Rimkutė E. 2012: Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais. – Terminologija 19, 54–69.

Staab S., Studer R., Schnurr H. P. 2001: Knowledge Processes and Ontologies. – Intelligent Systems 16(1), 26–34.

Uschold M., Gruninger M. 1996: Ontologies: Principles, methods and applications. – Knowledge engineering review 11(2), 93–136.

Uschold M., Gruninger M. 2004: Ontologies and semantics for seamless connectivity. – ACM SIGMod Record 33(4), 58–64.

W3C – OWL Web Ontology Language Use Cases and Requirements. Prieiga internete http://www.w3.org/TR/2002/WD-webont-req-20020307/ (žiūrėta 2013-10-14).

ONTOLOGY AND DICTIONARY OF SCIENCE AND EDUCATION TERMS

The paper presents the dictionary and the ontology of science and education terms. The proposed approach of ontology and dictionary building uses the following Natural Language Processing techniques: linguistic pattern recognition, collocation extraction, morphological analysis, POS tagging, and others.

The dictionary of science and education is available online and contains 224 one word and multiword terms (their length is up to 5 words). The dictionary contains the

Terminologija | 2013 | 20

73

necessary dictionary fields (terms, definitions, translations to other languages), as well as some additional fields such as declined forms of terms with their frequencies, examples of term usage, collocations and concordances from the special science and education corpus.

The main focus of the paper is the ontology of terms in the domain of science and education. Authors present, how different research areas define ontologies, what are the possibilities of their use, what are ontology building methods. The structure of the ontology is illustrated by multiple examples. The hierarchical structure of concepts, their properties and relationships make this information readable and understandable for knowledge-based information systems. Ontologies can be particularly useful for terminology experts, who try to classify and describe terms, concepts and their instances in a domain specific field.

Both resources can be valuable for lecturers, teachers, administration management bodies, students, etc. While using the ontology, they can define and conceptualize the processes of studying, teaching or learning.

The paper introduces the possibilities of semi-supervised term extraction with mixed prescriptive and descriptive term analysis methods, which can be useful for terminology experts, lexicographers, and creators of lexical databases.

Gauta 2013-10-29

Irena Markievicz Vytauto Didžiojo universitetas K. Donelaičio g. 52, LT-44248 Kaunas E. paštas [email protected]

Erika Rimkutė Vytauto Didžiojo universitetas K. Donelaičio g. 52, LT-44248 Kaunas E. paštas [email protected]

74

Irena Markievicz, Erika Rimkutė | Švietimo ir mokslo terminų žodynas ir ontologija