Dicionário e ontologia de termos de educação e ciência

IRENA MARKIEVICZ, ERIKA RIMKUTĖ

Universidade Vytautas Magnus

PALAVRAS-CHAVE: corpus, termos de educação e ciência, ontologia, dicionário

INTRODUÇÃO

Entre 2010 e 2012, no Centro de Linguística Computacional da Universidade Vytautas Magnus, foi realizado um projeto financiado pelo Conselho de Investigação da Lituânia Identificação automática de termos de educação e ciência (ŠIMTAI 2). O principal objetivo deste projeto foi testar métodos da linguística de corpus, para que fosse possível reconhecer termos de forma automática ou semiautomática, automatizar a seleção, no corpus, das informações necessárias para formular definições de termos e, assim, facilitar o trabalho dos terminólogos. Para além das metodologias, os resultados mais importantes da investigação realizada são um corpus especializado de educação e ciência (doravante EC), com 4 milhões de palavras, o Dicionário de termos de educação e ciência elaborado com base nesse corpus especializado e a Ontologia de termos de educação e ciência.

O artigo apresenta o dicionário de termos de EC e a ontologia de termos de EC. Descreve a estrutura do dicionário e as diferenças em relação a outros dicionários de termos. É dada maior atenção à ontologia de termos de EC. Explica-se como as ontologias são definidas em diferentes áreas científicas, para que servem e por que métodos são criadas. A ontologia de termos de EC é discutida em detalhe; apresenta-se a sua estrutura, são fornecidos exemplos e explica-se como esta fonte pode ser aplicada.

Ambos os trabalhos — tanto o dicionário de termos de EC como a ontologia de termos de EC — foram elaborados com base no mesmo material, isto é, num corpus especializado de EC, utilizando a metodologia da linguística de corpus e da linguística computacional.

Este trabalho pretende apresentar as possibilidades da linguística de corpus e da linguística computacional no domínio da terminologia e chamar a atenção dos terminólogos e dos responsáveis pela compilação de dicionários de termos ou bases de dados para o facto de ser possível automatizar, pelo menos parcialmente, a gestão terminológica e conciliar uma abordagem prescritiva com uma abordagem descritiva da análise dos termos.

56

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

ETAPAS DE ELABORAÇÃO DO DICIONÁRIO DE TERMOS DA EDUCAÇÃO E DA CIÊNCIA

Os termos do dicionário de termos da Educação e da Ciência (EC) foram identificados num corpus especializado, utilizando métodos linguísticos (para mais informações, ver Grigonytė et al. 2011; Rimkutė 2012). A elaboração do dicionário durou dois anos, ou seja, durante a execução do projeto introdutório acima mencionado, e decorreu nas seguintes etapas:

1) foi compilado um corpus especializado de EC com 4 milhões de palavras;

2) o corpus foi anotado morfologicamente de forma automática;

3) foi criada uma ferramenta de seleção automática de termos, baseada em regras linguísticas;

4) foram definidos critérios para a seleção de termos potenciais;

5) foram identificados cerca de 11 mil termos potenciais, constituídos por uma a quinze palavras;

6) foram aplicados critérios adicionais para a seleção de termos potenciais¹;

7) foram identificados 780 termos de EC (de 1 a 5 palavras);

8) foi elaborada uma metodologia para definir termos com base em corpora;

9) foram preparados os recursos linguísticos necessários para determinar as definições dos termos;

10) foram definidos termos de 300 grupos selecionados;

11) foram fornecidos equivalentes em inglês, alemão e francês para os termos definidos.

É indubitável que a elaboração de qualquer dicionário de termos exige um grande investimento de tempo de trabalho de especialistas e de recursos financeiros. Este artigo apresenta o dicionário de termos de EC que, embora pequeno — contém 224 termos (para mais informações, ver a secção seguinte) —, é metodologicamente muito complexo. Como se pode ver pelas etapas descritas para a elaboração do dicionário, mesmo dispondo de um corpus especializado da área relevante², foram necessárias ferramentas especiais³ para reconhecer e identificar termos automaticamente.

¹ Foram analisados termos com não mais de sete palavras; a frequência também foi considerada: quanto mais curto o termo, mais frequentemente deveria ser utilizado. Por exemplo, foram analisados apenas os termos de uma palavra que ocorriam pelo menos 20 vezes, enquanto os termos de sete palavras tinham de ocorrer pelo menos duas vezes.

² A compilação do corpus foi uma das etapas mais importantes e demoradas de todo o estudo, pois, para construir um corpus representativo que permitisse identificar termos, foi necessário selecionar cuidadosamente os textos, equilibrá-los quanto aos géneros e prepará-los tecnicamente (converter ficheiros PDF em ficheiros de texto, alterar a codificação, etc.).

³ Neste projeto, foi criada uma ferramenta adaptada à língua lituana para identificar automaticamente termos, uma vez que, como demonstram experiências anteriores (ver Grigonytė et al. 2011), devido às diferenças estruturais entre as línguas, é quase impossível adaptar ao lituano ferramentas de reconhecimento de termos concebidas para outras línguas. A ferramenta utilizou regras linguísticas: procuraram-se termos com determinadas estruturas gramaticais, por exemplo, adjetivo + substantivo, genitivo do substantivo + substantivo, particípio + substantivo, etc. Os investigadores da língua letã identificam termos através de métodos semelhantes (ver Gornostay et al. 2012; Krugļevskis et al. 2005). Segundo eles, a identificação de termos por métodos linguísticos (análise morfossintática) é mais adequada do que os métodos estatísticos apropriados para línguas analíticas.

Terminologija | 2013 | 20

57

Também foi difícil selecionar, de entre todos os sintagmas significativos e gramaticalmente corretos identificados automaticamente, os termos de educação e ciência (EC). A dificuldade deveu-se ao facto de terem sido identificados nada menos do que 11 mil dos chamados termos possíveis num corpus de 4 milhões de palavras. Na etapa seguinte da investigação e da elaboração do dicionário, era importante identificar os termos de EC entre todos os sintagmas (este problema é discutido em Rimkutė 2012).

Importa salientar que o dicionário de termos de EC apresentado foi elaborado com base num corpus. Isto significa que não se utilizou o método tradicional de organização de termos, ainda bastante difundido na Lituânia, baseado na competência dos terminólogos e por vezes bastante subjetivo e prescritivo, mas sim o método descritivo de análise e definição de termos, considerado superior na terminologia contemporânea e fundamentado em dados de corpus. Os corpora são muito necessários para a elaboração de dicionários, pois permitem identificar os modelos de uso dos termos mais típicos e frequentes, importantes para definir os significados e selecionar exemplos pertinentes.

Devido à complexidade da metodologia de definição de termos, decidiu-se definir detalhadamente 300 termos. Foram selecionados termos de determinados grupos: termos com a palavra académico (por exemplo: liberdade académica, ética académica, hora académica), com a palavra trabalho (por exemplo: trabalho de conclusão de curso, trabalho de casa, trabalho autónomo), com a palavra formação (por exemplo: formação universitária, formação geral, formação superior), com a palavra educação (por exemplo: prestador de serviços educativos, educação de adultos, educação não formal), etc. Também foram definidos alguns termos frequentes de uma só palavra: estudante, investigador, universidade, entre outros.

Tal como noutros dicionários de termos, o dicionário de termos de EC indica, para a maioria dos termos, equivalentes em inglês, alemão e francês. Estes foram recolhidos em fontes e documentos aprovados da área em questão, bem como em bases de dados terminológicas especializadas: Glossary of Educational Terms, Aiškinamojo su studijomis susijusių terminų žodyno, Der Europäische Qualifikationsrahmen für lebenslanges Lernen, EuroVoc (tesauro multilingue da União Europeia), Banco de Termos da República da Lituânia, entre outros.

A terminologia educacional da Grã-Bretanha, França e Alemanha foi a principal referência; contudo, no contexto dos sistemas desses países, o significado de muitos equivalentes de tradução não é exatamente o mesmo que o dos termos originais usados na área da educação e da ciência na Lituânia. Os equivalentes dos termos em línguas estrangeiras apresentados no dicionário aplicam-se ao sistema de ciência e educação da República da Lituânia e nem sempre (ou apenas parcialmente) podem ser usados para descrever o sistema de ciência e educação de outro país.

58

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

ESTRUTURA DO DICIONÁRIO DE TERMOS DE EDUCAÇÃO E CIÊNCIA

O dicionário de termos de EC está disponível gratuitamente na Internet no endereço http://daukantas.vdu.lt/moksliniai-terminai/.. Aqui são apresentados 224 termos, embora no capítulo anterior se tenha dito que foram definidos 300. A diferença entre o número de termos definidos e o número dos que constam do dicionário deve-se à constatação de que alguns termos (por exemplo: nível / grau de qualificação; grau / título científico; produção científica; estudos de mestrado / estudos de mestre; carga de estudo / trabalho do estudante; instituto científico estatal / do Estado) são usados como sinónimos e têm estruturas semelhantes, pelo que foram agrupados.

O dicionário de termos de EC contém os elementos indispensáveis a todos os dicionários de termos, isto é, o próprio termo e a sua definição. Como referido, são indicados equivalentes em inglês, alemão e francês. Também são apresentadas áreas temáticas (por exemplo, gestão do ensino superior, política do ensino superior, administração do ensino superior) e abreviaturas de alguns termos.

O dicionário distingue-se de outros dicionários de termos ou bases de dados por indicar também todas as formas flexionadas dos termos, com as respetivas frequências, e a frequência total do termo no corpus de EC. Para todos os termos, encontram-se pelo menos dois exemplos de uso retirados do corpus de EC (os exemplos não foram editados nem alterados, tendo sido apenas abreviados ocasionalmente), os colocados à esquerda e à direita⁴ e as concordâncias⁵.

As informações do corpus não foram suficientes para definir todos os termos. Os termos cujas definições não dispunham de informação suficiente (por exemplo: prestador de serviços de ensino, bolsa do estudante, formação básica) são assinalados com asteriscos.

Como os termos foram extraídos de um corpus, conhecia-se a frequência com que eram usados; por isso, junto a todos os termos, indica-se a frequência relativa convencionada:

★★★ aparece junto dos termos mais frequentes, usados até 500 vezes no corpus de educação e ciência;

★★☆ aparece junto dos termos menos frequentes, usados 100–499 vezes no corpus;

⁴ São parceiros contextuais do termo analisado, identificados estatisticamente (com base na frequência) e que surgem frequentemente junto ao termo, à sua esquerda e à sua direita.

⁵ São ocorrências no corpus de todas as formas gramaticais do termo selecionado, apresentadas no contexto de uma linha (a linha de concordância inclui geralmente mais do que uma frase). A concordância é normalmente analisada começando pela leitura vertical, pois só assim se evidencia o uso típico do termo. O termo analisado aparece no meio da linha de concordância e está destacado a negrito. São indicados aproximadamente 50 caracteres da concordância à esquerda e à direita do termo analisado. Para ver um excerto mais longo da concordância (aproximadamente 150 caracteres à esquerda e à direita), é necessário clicar no sinal de mais no final da linha de concordância.

Terminologija | 2013 | 20

59

★☆☆ indica os termos que aparecem no corpus entre 10 e 99 vezes;

☆☆☆ indica os termos raros, que aparecem no corpus menos de 10 vezes.

A seguir, como ilustração do dicionário de termos de educação e ciência, apresenta-se o verbete do termo estudos de licenciatura.

ESTUDOS DE LICENCIATURA ★☆☆

Definição

Estudos do primeiro ciclo do ensino superior, que proporcionam uma formação universitária geral, os fundamentos de conhecimentos na área de estudo escolhida e o grau académico de licenciatura.

Exemplos

Nas universidades dos EUA, é habitual criar condições para que os estudantes mais talentosos possam combinar o mestrado com o doutoramento; mais precisamente, podem ingressar diretamente no doutoramento após os estudos de licenciatura (o que explica, em certa medida, por que razão os estudos de mestrado e doutoramento são agrupados sob um único termo — graduate studies, ministrados na chamada graduate school) e obter o grau de PhD após 8 anos de estudos universitários.

Período recomendado em conjunto com os estudos de licenciatura – 5 anos

Os estudos de licenciatura (primeiro ciclo) duram geralmente 4 anos (160 créditos, regime presencial).

Os estudos de licenciatura, o mestrado e o doutoramento são concluídos, respetivamente, com a defesa do trabalho de licenciatura, da dissertação de mestrado e da tese de doutoramento.

Os estudos de licenciatura são estudos do primeiro ciclo que proporcionam uma formação universitária geral e os fundamentos de conhecimentos na área de estudo escolhida.

Frequência

estudos de licenciatura 21

com estudos de licenciatura 6

em estudos de licenciatura 3

estudos de licenciatura 7

de estudos de licenciatura 14

Frequência total: 51

Equivalentes

Inglês: bachelor’s studies

Alemão: Bachelorstudium

Francês: études de licence

Área temática

administração do ensino superior

60

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Colocações

Colocações à esquerda

Colocações à direita

PO

estudos de licenciatura

SU

estudos de licenciatura

ABREVIAR

estudos de licenciatura

SOFTWARE

estudos de licenciatura

estudos de licenciatura

1.º CICLO

estudos de licenciatura

MESTRADO E DOUTORAMENTO

Concordância⁶

[1]

exercer uma atividade profissional ou continuar e concluir

os estudos de licenciatura.

Os representantes da instituição de ensino superior divulgaram um comunicado,

[2]

nos países que oferecem esse tipo de estudos de licenciatura.

Estudos de licenciatura

no semestre de outono do 4.º ano, enquanto os estudos de mestrado

[3]

o curso de teologia — 5 anos); para

estudos de licenciatura

foram admitidos 1 870 estudantes, e em 2009 as universidades

[4]

as universidades decidiram reduzir para 3 e 3,5 anos

os estudos de licenciatura,

informa que a Lei do Ensino Superior e da Investigação Científica

[5]

as universidades decidiram reduzir para 3 e 3,5 anos

os estudos de licenciatura.

Os licenciados nos EUA, para iniciarem os estudos de mestrado

[6]

os requisitos das comissões: é necessário ter concluído

os estudos de licenciatura,

se a candidatura for a um programa orientado para a investigação,

[7]

anos. As universidades decidiram reduzir para até 3 anos

os estudos de licenciatura.

Várias universidades decidiram reduzir para até 3 e 3,5 anos

[8]

créditos (4,5 anos) de estudos de licenciatura.

os estudos de licenciatura,

com duração de 4 anos (estudos de teologia católica

[9]

estudos que não conferem [grau]. O período recomendado, juntamente com

os estudos de licenciatura

– 5 anos (3 + 2; 3,5 + 1,5; 4 + 1). De licenciatura

[10]

Quando lhe pediram para comparar estes estudos com os seus

estudos de licenciatura

nos EUA, o estrangeiro observou que aqui é muito mais fácil.

⁶Aqui são apresentadas apenas as dez primeiras linhas do concordanciador. Ao clicar no sinal de mais no sítio Web, é apresentada uma versão mais extensa do concordanciador.

Terminologija | 2013 | 20

61

Para alguns termos, são apresentadas milhares de linhas de concordância. Analisar uma quantidade tão grande de informação exige muito tempo, e esses dados não são importantes para todos. Para quem deseja saber mais sobre o uso de um termo e o contexto em que o termo escolhido é utilizado, talvez elaborar outra definição, selecionar exemplos necessários e formar uma opinião objetiva, a concordância oferece muitos benefícios.

CONCEITO DE ONTOLOGIAS E MOTIVOS PARA A SUA CRIAÇÃO

Este e os capítulos seguintes abordam a ontologia dos termos de Educação e Ciência (EC), os princípios da sua elaboração e as possibilidades de utilização desta e de outras ontologias. Para maior clareza, são apresentadas algumas classificações e resultados visualizados da ontologia dos termos de EC.

As ontologias são instrumentos formais de conceptualização do conhecimento que sintetizam o conhecimento descrito em linguagem natural num modelo estruturado e hierárquico de conceitos relacionados. Os problemas relacionados com a qualidade do processamento da informação e a polissemia dos termos criam a necessidade de desenvolver bases de termos estruturadas que permitam aos programas informáticos processar a linguagem natural humana (ingl. natural language processing) e interpretar a sua semântica. É também por esta razão que se criam ontologias.

Uma pessoa que conhece uma determinada língua compreende facilmente o significado de um texto em linguagem natural que lhe é apresentado, enquanto um programa informático interpreta a mesma informação como um conjunto de símbolos textuais e metadados associados. As ontologias são o elo de ligação que transforma a informação escrita em linguagem natural num modelo conceptual de conhecimento, facilmente interpretado por robôs de recolha e processamento de informação.

A criação de ontologias é um processo interdisciplinar que abrange as áreas da filosofia, da linguística e da informática (para mais informações, ver Grigonytė 2010). Na filosofia, a ontologia é entendida como a disciplina que estuda o ser e a existência. Os linguistas complementam esta definição de ontologia: na linguística, a ontologia é uma rede de conceitos individuais e dos termos que os descrevem. Na informática, a ontologia é uma representação lógica e formal da realidade.

A maior e mais acessível fonte de textos em linguagem natural é a Internet; por isso, as ontologias são frequentemente entendidas como uma das ferramentas da Web semântica e da pesquisa semântica. A organização W3C, que desenvolve normas para sítios Web, define uma ontologia como um conjunto de termos que descreve o conhecimento de um determinado domínio: «as ontologias são utilizadas por pessoas, bases de dados e aplicações que procuram partilhar determinado domínio de

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

informação <...>. As ontologias associam conceitos de um determinado domínio adaptados a programas informáticos e as relações entre eles» (W3C).

Ontologia dos termos de Educação e Ciência (doravante, ontologia dos termos de EC) foi elaborada com o objetivo de formalizar o conjunto de termos de EC criado no projeto introdutório acima referido e de o complementar com relações semânticas que possam ser interpretadas por aplicações. As principais tarefas de criação da ontologia são descrever qualitativamente os termos e conceitos do domínio selecionado e especificar formalmente os seus significados. Estas tarefas são importantes para resolver o problema da polissemia dos termos e criar um modelo estrutural de termos do domínio de EC. A ontologia dos termos de EC foi criada não só como uma taxonomia dos termos de EC, mas também como um dos possíveis recursos para a pesquisa semântica.

A ontologia dos termos de EC está disponível na Internet em http://meta.vdu.lt/webprotege/, e é visualizada com a ferramenta WebProtege, que permite consultar a árvore hierárquica de classes, os seus atributos e exemplos de instâncias dos conceitos. Ao abrir ou ocultar novos separadores e blocos, o utilizador pode organizar uma interface gráfica conveniente. Recomenda-se a utilização dos navegadores Chrome ou Mozilla Firefox. Para representar melhor as relações entre os termos, recomenda-se utilizar Protege 4.3 com o complemento OntoGraf.

ESCOLHA DA METODOLOGIA PARA A CRIAÇÃO DA ONTOLOGIA DOS TERMOS DE EDUCAÇÃO E CIÊNCIA

A conceção geral da criação de ontologias é descrita pelo seguinte metamodelo de processo (para mais informações, ver Cimiano 2006): M={D, LA, T, S, C, TR}, em que D significa a recolha de documentos, LA — as anotações linguísticas, T — a seleção de termos, S — a identificação de sinónimos, C — a associação de termos e dos seus sinónimos a conceitos e TR — a definição das relações semânticas entre conceitos.

Ao utilizar diferentes metodologias de criação de ontologias, aplicam-se várias estratégias de desenvolvimento: algumas metodologias dão maior atenção ao ciclo de vida da ontologia e à criação de protótipos (Cyc, TOVE, Methontology, On-To-Knowledge), enquanto outras enfatizam mais a utilização de ontologias em aplicações (KAKTUS). Algumas metodologias criam ontologias a partir de corpora textuais compilados (TOVE, On-To-Knowledge), enquanto outras as criam a partir de grandes ontologias de conhecimento geral (SENSUS, Cyc) (para mais informações, ver Corcho et al. 2003).

De forma simplificada, as ontologias são criadas nas seguintes etapas: seleciona-se o domínio de conhecimento e processa-se a informação (definem-se conceitos, termos e restrições),

Terminologija | 2013 | 20 63

indicam-se os métodos de expansão da ontologia e os critérios de avaliação, e prepara-se a documentação da ontologia (para mais informações, ver Uschold et al. 1996). Ao construir ontologias segundo este método, não se prevê a criação de protótipos de ontologias nem a sua utilização como fontes de informação adicionais. Com esta metodologia foram criadas várias ontologias de atividades económicas, mas não se prevê como utilizá-las em aplicações.

On-To-Knowledge propôs uma metodologia que se centra sobretudo na gestão do conhecimento e nas possibilidades de utilização da futura ontologia em sistemas de informação (para mais informações, ver Staab et al. 2001). Após um estudo de viabilidade, foram definidos as fontes de informação, os potenciais utilizadores da ontologia e os modos de utilização.

No aperfeiçoamento da ontologia On-To-Knowledge participaram especialistas do domínio selecionado; foram processadas informações recolhidas de textos e de outras bases de conhecimento. A qualidade da ontologia foi avaliada verificando se correspondia aos requisitos e às possibilidades de aplicação. Todas estas etapas de criação e aperfeiçoamento de ontologias podem ser consideradas recomendações para a elaboração de outras ontologias.

As metodologias apresentadas dão sobretudo atenção aos métodos de criação de ontologias a partir de fontes de informação textuais. A metodologia de ontologias SENSUS propõe a utilização de ontologias de conhecimento geral no processo de criação de uma ontologia de um domínio específico (para mais informações, ver Gomez-Perez et al. 2004). A metodologia prevê o agrupamento de termos da base de conhecimento OntoSaurus numa árvore de conceitos. Ao tentar associar duas classes de conceitos, procura-se uma classe de conceito geral (ingl. root class).

Na escolha da metodologia para a criação da ontologia dos termos de educação e ciência, foram tidos em conta os recursos de informação disponíveis e as possibilidades de aplicação das tecnologias linguísticas e das ferramentas de criação de ontologias. Decidiu-se aproveitar a experiência acumulada no projeto Methontology (para mais informações, ver Mariano et al. 2004; Gomez-Perez et al. 2004; Corcho et al. 2003).

A aplicação de Methontology à criação da ontologia dos termos de educação e ciência, bem como os recursos para a criação da ontologia, estão ilustrados na Figura 1. Na especificação, indicam-se o objetivo e o âmbito da criação da ontologia. O modelo conceptual da ontologia é criado tendo em conta o domínio delimitado durante a especificação; posteriormente, é formalizado — convertido num modelo formal da ontologia. Durante o processo de criação, o modelo formal é implementado de acordo com os requisitos da linguagem de criação de ontologias escolhida. Mesmo depois de criada, uma ontologia é frequentemente alterada, ampliada ou atualizada.

64

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Figura 1. Processos e recursos para a criação da ontologia de termos de educação e ciência (com base em Methontology)

Com a aplicação do modelo Methontology, foram criados um glossário de termos e uma taxonomia de conceitos, estabelecidas relações entre os diferentes objetos da ontologia e preparada uma base de exemplos de atributos, classes, classes abstratas, bem como dos seus atributos e relações, que especifica em que casos o conceito selecionado existe, com que outros conceitos está relacionado, além de descrever as instâncias dos conceitos.

As ontologias descrevem diferentes coisas de um mesmo domínio específico: pessoas (por exemplo, reitor, estudante), lugares (por exemplo, universidade), processos (por exemplo, ensino, docência), resultados de processos (por exemplo, obra de arte, dissertação de licenciatura) etc. Todos são designados na ontologia como conceitos (em inglês, concept), que podem existir como unidades de informação independentes da ontologia ou estar ligados em classes de conceitos (em inglês, class).

A taxonomia de conceitos (em inglês, concepts taxonomy) — uma classificação sistemática de conceitos segundo o modelo conceptual de ontologia escolhido — é habitualmente criada a partir de um glossário de termos (em inglês, glossary of terms), entendido neste caso como uma lista formal de termos e das suas definições (para mais informações, ver Uschold et al. 2004).

Na taxonomia clássica, uma classe é definida como «um grupo de entidades semelhantes, distinto de outros grupos de indivíduos» (para mais informações, ver Mayr 1987). Cada classe da ontologia é caracterizada por um conjunto de propriedades (em inglês, property) que lhe são próprias e pelas respetivas restrições (em inglês, restriction), herdadas por todas as instâncias de uma determinada classe (em inglês, instance, individual). Uma instância é um exemplar concreto do conceito escolhido (por exemplo, Zigmas Lydeka é uma instância do conceito reitor).

Terminologija | 2013 | 20 65

Os termos da ontologia de termos de educação e ciência foram identificados num corpus especializado, utilizando métodos linguísticos (para mais informações, ver Grigonytė et al. 2011; Rimkutė 2012). Os conceitos e as classes de conceitos da ontologia foram desenvolvidos segundo uma estratégia mista de baixo para cima (em inglês, down-top strategy) e de cima para baixo (em inglês, top-down strategy) (para mais informações, ver Uschold et al. 1996). Ao aplicar a estratégia de baixo para cima, identificam-se primeiro os conceitos mais específicos, que depois são substituídos por conceitos mais abstratos. Ao aplicar a estratégia de cima para baixo, definem-se primeiro os conceitos abstratos, que depois são especificados. Ao aplicar uma estratégia mista de construção de ontologias, analisam-se primeiro os conceitos iniciais e, conforme as necessidades, estes são especificados ou generalizados.

Nesta etapa da criação da taxonomia de termos da ontologia, participou ativamente um especialista da área da educação e ciência. Este agrupou os termos por áreas temáticas e criou um modelo conceptual inicial da ontologia.

Ao criar uma taxonomia de conceitos, recomenda-se dar especial atenção às seguintes etapas: elaborar uma lista de termos e selecionar dela os termos necessários, criar um modelo de conceitos, preparar definições e avaliar os termos (ISO 10241: 1992).

ESTRUTURA DA ONTOLOGIA DE TERMOS DA EDUCAÇÃO E DA CIÊNCIA

Um dos desafios do processo de criação de ontologias é desenvolver uma estrutura de dados de qualidade, que seja universal e adaptável a diferentes sistemas de processamento de informação e compatível com outras fontes de conhecimento. O principal elemento da ontologia é a coisa (em inglês, thing), que abstrai todos os conceitos da ontologia. A necessidade deste elemento é explicada pela definição filosófica de ontologia — como ciência que estuda o ser. A ontologia formaliza todo o conhecimento de um determinado domínio; por isso, um elemento indispensável é uma classe abstrata que generaliza todos os conceitos de um domínio especializado.

Conceitos, termos e axiomas são os principais elementos conceptuais de qualquer ontologia. É importante distinguir os significados de termo e de conceito. Na norma LST ISO 1087-1 (2005), conceito é definido como «[u]ma unidade de conhecimento constituída por uma combinação única de características». O conceito é independente da língua; apenas o contexto pode influenciá-lo. Termo é o identificador de um conceito, isto é, «[d]esignação verbal de um conceito geral num domínio especializado» (LST ISO 1087-1: 2005). Os axiomas descrevem as restrições de um domínio específico e estabelecem a estrutura hierárquica dos conceitos da ontologia. Os objetos estruturais formais da ontologia incluem conceitos, classes de conceitos, instâncias de classes e conceitos, propriedades de classes, conceitos e instâncias, bem como relações e restrições que ligam todos os objetos da ontologia.

66

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 2. Estrutura da ontologia de termos da educação e da ciência segundo os domínios do modelo de atividades empresariais

Por recomendação do especialista, todos os termos foram agrupados em três classes abstratas de entrada, processo e saída (ver Fig. 2), características dos modelos de atividades empresariais (para mais detalhes, ver ISO 9001: 2000). A classe de entrada especifica os requisitos, recursos e dados do sistema ou de uma atividade específica. Por isso, as categorias de infraestruturas, instituições e participantes pertencem a esta classe. Os processos de atividade dividem-se em processos essenciais (a classe atividade), que criam valor acrescentado, e processos de apoio (a classe administração), que reforçam o funcionamento dos processos principais e asseguram a infraestrutura necessária aos processos executados. A saída resume a eficácia e a eficiência do processo — indica que resultados poderiam ter sido alcançados, quais foram alcançados e que recursos foram utilizados para os obter (classes de produção científica, produção de formação profissional, produção de estudos e produção artística). Cada classe abstrata do domínio pode ter subclasses adicionais específicas do domínio (como se vê na Figura 3, a subclasse da classe participante é administrador, e esta subclasse divide-se ainda em categorias mais específicas). No total, a ontologia de termos da educação e da ciência contém 29 classes abstratas. A sua principal função é criar um modelo conceptual geral da ontologia com base na estratégia já mencionada de cima para baixo.

Terminologija | 2013 | 20

67

Fig. 3. Participante conceitos gerais de classe e subclasses abstratas na ontologia de termos de Educação e Ciência

A ontologia de termos da educação e da ciência é constituída por 465 conceitos gerais⁷, cuja hierarquia foi criada recorrendo a padrões de reconhecimento de contextos definidores (para mais detalhes, ver Bielinskienė et al. 2012). Os contextos definidores correspondem parcial ou totalmente às definições dos termos e são formados por conceitos hiperónimos. Por exemplo, o conceito estudante é definido como uma pessoa que estuda numa instituição de ensino superior segundo um programa de estudos de ciclo completo. Já um estudante estrangeiro é um estudante que chega de outro país a uma instituição de ensino superior de determinado país para frequentar um programa de estudos completo ou estudos parciais.

Na ontologia de termos científicos, são identificadas as seguintes relações taxonómicas:

– subclasse de uma classe (em inglês, subclass-of) — por exemplo, mestrando é uma subclasse da classe estudante;

– decomposição disjunta (em inglês, disjoint-decomposition) — por exemplo, a produção de estudos não pode ser, ao mesmo tempo, uma dissertação de licenciatura e uma tese de doutoramento;

– decomposição exaustiva (em inglês, exhaustive-decomposition) — por exemplo, a classe docente inclui as subclasses professor associado, leitor e professor catedrático, entre outras. Se um determinado objeto for docente, tem de pertencer a pelo menos uma das subclasses enumeradas;

– partição (em inglês, partition) — por exemplo, o conceito semestre letivo abrange os conceitos semestre da primavera e semestre do outono. Se se tratar de um semestre letivo, este tem de pertencer a uma das subclasses enumeradas.

⁷ A ontologia inclui também os termos que não constam do dicionário de termos da educação e da ciência, isto é, aqueles que não foram definidos de forma exaustiva.

68

Irena Markievicz, Erika Rimkutė

Švietimo ir mokslo terminų žodynas ir ontologija

Fig. 4 Hierarquia taxonômica do conceito estudante na ontologia de termos de educação e ciência

Como o principal critério de qualidade de uma ontologia é a univocidade dos termos, na criação da ontologia de termos de educação e ciência foi dada muita atenção à elaboração de um conjunto de propriedades dos conceitos de alta qualidade. Para determinar o conjunto de propriedades das classes, dos conceitos e das entidades, são adequados os padrões de reconhecimento de contextos descritivos (para mais detalhes, ver Bielinskienė et al. 2012). Os contextos descritivos indicam a natureza do conceito analisado e sua relação com outras partes do sistema.

Fig. 5 Possibilidades de aplicação do atributo ativo na ontologia de termos de educação e ciência⁸

Usando a mesma propriedade, é possível descrever vários conceitos diferentes. Por exemplo, a propriedade ativo é característica de quatro conceitos: trabalho prático, formação prática, atividade prática, exercícios (ver Fig. 5). Portanto, é importante enfatizar que um conceito só pode ser descrito com qualidade por meio de uma combinação específica e única de propriedades.

⁸ Usando a ferramenta de criação e visualização de ontologias Protege 4.3, não era possível usar a língua lituana; por isso, os elementos estruturais da ontologia (por exemplo, ObjectProperty, Domain) são apresentados em inglês.

Terminologija | 2013 | 20

69

Fig. 6 Conjunto de propriedades e respectivas restrições do conceito hora acadêmica na ontologia de termos de educação e ciência

Cada propriedade pode ter restrições ou relações especificadas com outros conceitos ou classes de conceitos. Por exemplo, hora acadêmica é definida como uma unidade de duração do trabalho de contato entre docentes e estudantes, equivalente a 45 minutos. A definição formal e ontológica desse conceito especifica o seguinte conjunto de propriedades: hora acadêmica como subclasse de processo; os participantes são estudantes e um docente; trata-se de um processo de contato, com duração definida pela constante de 45 minutos (ver Fig. 6).

As propriedades das classes e dos conceitos, suas restrições e relações com outras propriedades são herdadas pelas entidades — instâncias concretas de classes e conceitos, caracterizadas por

Fig. 7 Árvore das relações entre conceitos e entidades da ontologia de termos de educação e ciência

70

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

com as mesmas propriedades. Por exemplo, se a ontologia indica que reitor dirige uma universidade, então a instância desse conceito – Zigmas Lydeka – dirige a VDU, isto é, uma instância do conceito universidade (ver Fig. 7).

A ontologia dos termos da educação e da ciência foi criada na linguagem OWL com a ferramenta de criação de ontologias Protege 4.3 e visualizada com a ferramenta WebProtege ou o complemento OntoGraf⁹.

AVALIAÇÃO E APLICAÇÃO DA ONTOLOGIA DOS TERMOS DA EDUCAÇÃO E DA CIÊNCIA

Atualmente, a ontologia dos termos da educação e da ciência contém 29 classes de conceitos abstratos e 465 conceitos gerais, 87 propriedades de conceitos, classes de conceitos e respetivas instâncias, 141 instâncias e 296 relações entre classes de conceitos, conceitos e instâncias da ontologia.

A complexidade da ontologia pode ser avaliada formalmente por meio de métricas da lógica descritiva (em inglês, description logic) (para mais informações, ver Corcho et al. 2003; Baader 2003). A ontologia dos termos da educação e da ciência foi avaliada no nível de complexidade ALCHON(D), em que:

– AL – linguagem de atributos; permite relacionar conceitos e formular restrições universais para eles;

– C – indica que é possível negar relações entre conceitos;

– H – indica que é possível criar uma hierarquia de papéis;

– O – restrições de cardinalidade (relações: exatamente um, um de muitos);

– N – restrições de cardinalidade (relações: menos, mais);

– (D) – propriedades dos tipos de dados.

Além do vocabulário, da taxonomia e das relações semânticas da ontologia, avaliam-se as possibilidades da sua utilização e aplicação. A linguagem OWL escolhida para a criação de ontologias é adequada para realizar inferências semânticas, acrescentar novos conceitos à ontologia ou interligar ontologias de diferentes domínios. O modelo estrutural de termos do domínio da educação e da ciência foi elaborado de modo que cada conceito da ontologia fosse descrito por um conjunto único de propriedades e relações semânticas — uma solução que ajuda a resolver o problema da polissemia dos termos. Este recurso foi criado não apenas como uma taxonomia de termos do domínio da educação e da ciência, mas também como uma das ferramentas possíveis para a pesquisa semântica e o processamento da linguagem natural.

⁹ Mais informações: http://protege.stanford.edu.

Terminologija | 2013 | 20

71

Até agora, tem-se dedicado muita atenção à forma como as ontologias podem ser aplicadas à informatização da linguagem natural, sistematizando-a e tornando-a compreensível para os programas de computador. Talvez, à primeira vista, não seja inteiramente claro de que modo as ontologias podem ser úteis aos linguistas ou a especialistas de outras áreas. É preciso salientar que as ontologias são particularmente úteis aos terminólogos, pois, com o auxílio de ferramentas de visualização de ontologias, é possível ver claramente as relações entre os termos. Para ilustrar os termos, podem-se selecionar palavras concretas relacionadas com esses termos, apresentadas na ontologia (nela chamadas esiniais).

Tanto o glossário de termos da educação e da ciência como a ontologia podem ajudar os participantes da área da educação e da ciência: docentes, professores, funcionários administrativos, estudantes universitários e alunos, uma vez que estas fontes mostram, por exemplo, como os estudantes são classificados, que tipos de cursos existem, de que é constituída a administração das instituições de ensino superior, entre outros aspetos.

OBSERVAÇÕES FINAIS

O artigo apresenta o Glossário de termos da educação e da ciência e a Ontologia de termos da educação e da ciência. Tanto o glossário como a ontologia foram aperfeiçoados. A maior vantagem e o caráter distintivo de ambas as fontes residem no facto de terem sido elaboradas com base em princípios de corpus e de linguística computacional ainda pouco aplicados pelos terminólogos lituanos.

O glossário de termos da educação e da ciência está disponível na Internet e contém 224 termos compostos por uma a cinco palavras. Distingue-se de outros glossários terminológicos porque, além das partes habituais de um glossário (os próprios termos, as definições e os equivalentes noutras línguas), apresenta todas as formas flexionadas do termo, com as respetivas frequências, exemplos extraídos do corpus de textos da educação e da ciência, colocados e concordâncias. Estes dados são importantes porque permitem aos utilizadores do glossário obter uma visão abrangente do uso e do contexto de determinado termo; podem também encontrar características importantes do termo que talvez não sejam mencionadas na definição.

A ontologia de termos da educação e da ciência, disponível na Internet, revela as relações semânticas entre os termos dessa área e torna esta informação compreensível para os programas de computador. As ontologias podem ser particularmente úteis aos terminólogos que classificam e descrevem termos de uma determinada área e apresentam exemplos concretos.

Espera-se que tanto o glossário de termos da educação e da ciência como a ontologia constituam recursos metodologicamente importantes e incentivem os terminólogos lituanos a aproveitar melhor as possibilidades oferecidas pelos corpora para estudar, descrever e classificar termos.

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