التعرّف الآلي على مصطلحات التعليم والعلوم باستخدام الأساليب اللغوية

ERIKA RIMKUTĖ

جامعة فيتوتاس ماغنوس

الكلمات المفتاحية: المدونة اللغوية، مصطلحات التعليم والعلوم، الأساليب اللغوية، الصيغة المعجمية، الصيغة النحوية

المقدمة

دخل علم المدونات اللغوية وعلم اللغة الحاسوبي في ليتوانيا عقدهما الثاني بالفعل؛ ويمكن ربط نشأة هذين الفرعين العلميين بتأسيس مركز علم اللغة الحاسوبي في جامعة فيتوتاس ماغنوس (انظر http://tekstynas.vdu.lt) عام 1994. وقد أُعدّت عدة مدونات لغوية وبرامج للتحليل الآلي للكلام وتركيبه¹. ومع ذلك، لا تزال مبادئ علم المدونات اللغوية محدودة التطبيق في علم المصطلحات وصناعة المعاجم الاصطلاحية.

استعرض مقال عام 2010، إمكانات التحديد الآلي لمصطلحات اللغة الليتوانية (Rimkutė 2010)، مدى استخدام المدونات اللغوية في إعداد أعمال اصطلاحية متنوعة في ليتوانيا. ويمكن العثور على مصطلحات اللغة الليتوانية في عدة قواعد بيانات دولية وبنوك للمصطلحات؛ كما أُعدّ عدد كبير من المعاجم الاصطلاحية الإلكترونية أو قواعد البيانات²، لكن جميع المعاجم الاصطلاحية الليتوانية الإلكترونية أُعدّت أساسًا اعتمادًا على قواميس المصطلحات. وأُعدّت العديد من القواميس الليتوانية استنادًا إلى كميات محدودة نسبيًا من النصوص والحدس اللغوي؛ ومن ثم يمكن القول إن النهج الوصفي المعياري لا يزال سائدًا في ليتوانيا في استخلاص المصطلحات ووصفها.

تهدف هذه المقالة إلى عرض نتائج مشروع مخصص لتحديد مصطلحات التعليم والعلوم ووصفها³، وتتعلق النتائج بالتحديد الآلي للمصطلحات...

¹ يمكنكم العثور على قائمة شاملة بالموارد الليتوانية المُعدّة حتى عام 2011 في http://sruoga.vdu.lt/lituanistiniai-skaitmeniniai-istekliai/lituanistiniu-istekliu-sarasas.

² أُدرجت الإحالات في المقال المذكور.

³ هذا مشروع تموله الهيئة الليتوانية للعلوم، التعرّف الآلي على مصطلحات التعليم والعلوم (ŠIMTAI 2) (رقم العقد LIT-2-44). وتتمثل الأهداف الرئيسية لهذا المشروع في: 1) إنشاء واختبار منهجية للتعرّف الآلي على المصطلحات في مدونة نصية باللغة الليتوانية، بوصفها أداة جديدة لإدارة المصطلحات؛ 2) إنشاء مدونة نصية متخصصة في التعليم والعلوم؛ 3) إعداد معجم تفسيري لمصطلحات التعليم والعلوم وأنطولوجيا لهذا المجال، استنادًا إلى المدونة المتخصصة.

54

Erika Rimkutė

Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

وصفها. وقد نشأت فكرة مشروع مخصص للتحديد الآلي للمصطلحات بعد ملاحظة أن المصادر المعيارية القائمة⁴ غير مستوفاة إلى حد كبير، إذ تركز على أكثر مصطلحات سياسة التعليم عمومية ولا تكاد تشمل مجال سياسة العلوم، كما أنها لا تواكب المصطلحات الجديدة الناشئة عن العمل العملي؛ فالقائمون على توحيد المصطلحات لا يستطيعون توحيدها بالسرعة اللازمة. ومع ذلك، فإن التوحيد التقليدي ذاتي إلى حد ما، ولذلك ينبغي الاستناد في الاستخدام والمعايير إلى أساليب لسانيات المدونات. لذا ستتناول هذه المقالة طريقة لاختيار المصطلحات وتحليلها، ما تزال جديدة نسبياً في ليتوانيا، ويمكن أن تيسّر إلى حد كبير عمل المصطلحيين وتضفي عليه مزيداً من الموضوعية.

التحديد الآلي للمصطلحات

للتحديد الآلي لمصطلحات مجال معين وتعريفها، اختير مجال واحد هو العلوم والتعليم. وجُمعت مدونة في العلوم والتعليم (ويُشار إليها فيما يلي بـ ŠM) تضم 4 ملايين كلمة، ورُوعي عند إعدادها موضوعان رئيسيان: 1) البحث العلمي و2) التعليم. وفي مجال البحث العلمي، انصبّ معظم الاهتمام على سياسة البحث العلمي وسياسة التعليم العالي. أما في مجال التعليم، فاختير التعليم ما بعد الثانوي، مع تركيز أكبر على التعليم العالي والتعلم المستمر. وأُدرج التدريب المهني أيضاً بوصفه مجالاً إضافياً. وسعى إعداد المدونة إلى تغطية نصوص من أنواع وأجناس متنوعة، مثل: القوانين، والوثائق السياسية الأخرى الصادرة عن أعلى مؤسسات السلطة (قرارات وتصريحات مجلس جمهورية ليتوانيا، وحكومة جمهورية ليتوانيا، ورئيس جمهورية ليتوانيا، وقرارات المحكمة الدستورية، وغيرها)؛ والوثائق الاستراتيجية؛ واللوائح التنفيذية للقوانين؛ ووثائق مؤسسات ومشروعات تنفيذ سياسات العلوم والتعليم؛ ووثائق مؤسسات العلوم والدراسات؛ والمنشورات الإعلامية، ودراسات حالة المجال، والتقييمات، ودراسات الجدوى؛ والبيانات الصحفية، ومواد المناقشات.

عند توافر مدونة ممثلة ومتوازنة جيداً للمجال قيد الدراسة⁵، يمكن تحديد المصطلحات آلياً. ولهذا الغرض، يُستخدم عادةً-

⁴ ويمكن ذكر بنك المصطلحات التابع لجمهورية ليتوانيا، والمعجم الموسوعي لمصطلحات علم التربية من إعداد L. Jovaiša (2007)، ومكنز TESE [اطّلع عليه في 2012-05-20]، متاح عبر الإنترنت: http://eacea.ec.europa.eu/education/eurydice/documents/tese/pdf/teselt_005_alphabetic.pdf.

⁵ تمثيلية المدونات وحجمها من أصعب المسائل في لسانيات المدونات. ويمكن القول إن مدونة ŠM تمثل المجال المختار تمثيلاً جيداً إلى حد كبير. أما حجمها فهو موضع نقاش أكبر؛ فعلى سبيل المثال، يبلغ حجم مدونة القانون باللغتين الإنجليزية والإيطالية Bononia Legal Corpus (BOLC) نحو 18 مليون كلمة (Rossini Favretti et al. 2001).

Terminologija | 2012 | 19

55

ثلاث طرائق: إحصائية ولسانية ونماذج هجينة تجمع بين الطرائق الإحصائية واللسانية. وأُجريت عدة تجارب بهدف تحديد أنسب طرائق تحديد المصطلحات. واختُبرت الطرائق الإحصائية التالية: 1) وظيفة WordSmith Tools، المسماة Keyword Clusters؛ 2) طريقة التعلم الآلي KEA؛ 3) طريقة استخراج المتلازمات باستخدام أداة LICE (للاطلاع على مزيد من التفاصيل، انظر Grigon worth et al. 2011). وخلصت هذه الدراسات إلى أن الطرائق اللسانية هي الأنسب للغة الليتوانية. وفيما يلي شرح موجز لخصائص هذه الطرائق.

تتمثل الميزة الرئيسية لأنظمة التحديد الإحصائي للمصطلحات في أنها لا تحتاج إلى قواعد بيانات كبيرة تتضمن أمثلة للمصطلحات يحددها البشر. كما أنها مستقلة عن اللغة. ويستند مبدأ عمل الأنظمة الإحصائية أساساً إلى أن الكلمات التي تتكرر معاً تكون مترابطة وينبغي التعامل معها بوصفها مصطلحات محتملة.

تعتمد الطرائق اللسانية غالباً على الوسوم الصرفية وترتيب الكلمات. ولاستخدام الطرائق اللسانية، تلزم مدونات موسومة صرفياً. وعند استخدام طرائق تحديد المصطلحات اللسانية، يُحدَّد عادةً ما الأشكال النحوية التي يمكن أن تأتي عليها المصطلحات. وينبغي مراعاة خصائص اللغات عند تحديد الأشكال النحوية. فعلى سبيل المثال، من المهم في اللغات التحليلية تحديد القسم الكلامي للمصطلحات. ويكتسب القسم الكلامي للمصطلحات في اللغة الليتوانية أهمية كبيرة أيضاً، لكن لا بد من معرفة المعلومات المتعلقة بالفئات النحوية الأخرى الضرورية للتحديد الآلي للمصطلحات. وقد لوحظ أن فئتي العدد والحالة مهمتان أيضاً في اللغة الليتوانية، في حين أن فئة الجنس ليست ذات أهمية كبيرة عند تحديد المصطلحات آلياً⁶.

Tyrinėtojų (pvz., Bowker 2002) nustatyta, kad beveik neįmanoma pritaikyti kitoms kalboms sukurtų terminus nustatančių įrankių, ypač tų, kurie naudoja lingvistinius metodus. Pavyzdžiui, tipiška anglų kalbos terminų struktūra yra bdv. + dkt., dkt. + dkt., o prancūzų kalbai būdingi modeliai yra dkt. + bdv., dkt. + prl. + dkt. Taigi norint taikyti lingvistinius terminų atpažinimo metodus, reikia sukurti programą, kurioje būtų atsižvelgta į tam tikros kalbos gramatinę sistemą.

ستعرض هذه المقالة فيما يلي محاولات التحديد الآلي لمصطلحات اللغة الليتوانية باستخدام الطرائق اللسانية. وتجدر الإشارة إلى أن

⁶ يصبح الجنس مهماً في الحالات التي يحدث فيها اندماج بين حالات الإعراب، مثل mokslo darbuotojų: يتعرف برنامج التحليل الصرفي الآلي على صيغة darbuotojų على أنها مضاف إليه جمع لاسم مذكر أو مؤنث، ولذلك يورد بوصفها صيغة معجمية كلاً من mokslo darbuotojas وmokslo darbuotoja. وينبغي إيراد الصيغة المذكرة بوصفها مصطلحاً، أي mokslo darbuotojas.

56

Erika Rimkutė

Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

يردّ الانتباه إلى أن البرنامج المستخدم لتحديد المصطلحات المحتملة (ويُشار إليها فيما يلي بـ GT)⁷ قد طُوِّر في مركز اللسانيات الحاسوبية بجامعة فيتاوتاس ماغنوس. وقد استُخدمت في هذا البرنامج قواعد لغوية تحدد تراكيب أقسام الكلام أو صيغ الكلمات التي ينبغي تحليلها.

كما ذُكر، فإن استخدام الأساليب اللغوية يستلزم وجود مدونات نصية موسومة صرفيًا؛ لذلك وُسِمت مدونة التعليم والعلوم التي جُمعت أولًا صرفيًا باستخدام المحلِّل الصرفي الذي طُوِّر في مركز اللسانيات الحاسوبية بجامعة فيتاوتاس ماغنوس⁸. وفيما يلي مثال لنص وُسِم صرفيًا آليًا:

<كلمة=”PROJEKTŲ” اللمّة=”projektas” النوع=”اسم، مذكر، جمع، مضاف إليه”>⁹ <مسافة> <كلمة=”FINANSAVIMO” اللمّة=”finansavimas” النوع=”اسم، مذكر، مفرد، مضاف إليه”> <مسافة> <كلمة=”SĄLYGŲ” اللمّة=”sąlyga” النوع=”اسم، مؤنث، جمع، مضاف إليه”> <مسافة> <كلمة=”APRAŠAS” اللمّة=”aprašas” النوع=”اسم، مذكر، مفرد، اسمي”> <فقرة> <كلمة=”I” اللمّة=”I” النوع=”عدد روماني”> <فاصل=”.”> <مسافة> <كلمة=”BENDROSIOS” اللمّة=”bendras” النوع=”صفة، إيجابية، غير مقارنة، صفة ضميرية، مؤنث، مفرد، مضاف إليه”> <مسافة> <كلمة=”NUOSTATOS” اللمّة=”nuostata” النوع=”اسم، مؤنث، مفرد، مضاف إليه”>¹⁰ <فقرة> <رقم=”1”> <فاصل=””> <مسافة> <رقم=”2007”> <فاصل=”–”>

⁷ عادةً ما تتعرف البرامج التي تحدد المصطلحات آليًا باستخدام أساليب متنوعة على المصطلحات المحتملة، أي المرشحة (انظر Zeller 2005)، مع أن الكلمات أو التراكيب التي تُحدَّد آليًا كثيرًا ما تتضمن توليفات كلمات عديمة المعنى تمامًا أو تراكيب كلمات ذات معنى لكنها غير اصطلاحية، مثل المتلازمات اللفظية. وعادةً ما يحدد خبير في مجال معين المصطلحات الفعلية من بين هذه الكلمات والتراكيب.

⁸ انظر لمزيد من التفاصيل http://tekstynas.vdu.lt/page.xhtml?id=morphological-annotator-how-to-use.

⁹ Word يشير إلى صيغة الكلمة المحددة المستخدمة في النص، وlemma إلى الصيغة المعجمية (الليما)، وtype إلى المعلومات الصرفية التفصيلية.

¹⁰ تجدر الإشارة إلى أن الوسم الصرفي يتم آليًا، ولذلك تقع أخطاء أيضًا؛ فعلى سبيل المثال، أُشير في هذا المثال إلى صيغة غير صحيحة بسبب تماثل صيغ حالات الإعراب: إذ أُشير إلى المضاف إليه المفرد المؤنث بدلًا من حالة الرفع للجمع المؤنث. لمزيد من التفاصيل حول أوجه عدم الدقة الناجمة عن خصائص المحلِّل الصرفي، انظر قسم مشكلات تحديد المصطلحات آليًا.

Terminologija | 2012 | 19

57

<number=”2013”>

<space>

<حرف=”m” اللمّة=”m” النوع=”اختصار”

<sep=”.”>

<space>

يمكن وصف مبدأ عمل البرامج التي تحدد GT آليًا بإيجاز وببساطة كما يلي: يُحلَّل نص موسوم صرفيًا، ويُبحث عن سلاسل مترابطة من الكلمات. المعيار الأول هو اختيار التراكيب المتصلة من الكلمات وفقًا لتقسيمات النص والجمل الموسومة. وقد وُسِم بعض تقسيمات النص على أنها علامات ترقيم، ويمكن وسم غيرها على أنها علامات HTML، مثل علامة الفقرة <p>، وعلامة المسافة بين الكلمات <space>، وما إلى ذلك. بعد ذلك، يلزم إعداد قواعد لغوية معينة لتطبيقها في البرنامج. وعند تحديد مصطلحات التعليم والعلوم، أُعدّت وطُبّقت القواعد الأساسية التالية¹¹:

1. لا تُحلَّل إلا التراكيب التي تحتوي على اسم واحد على الأقل. وإذا كان GT مكوّنًا من كلمتين أو أكثر، فيمكن أن تكون الأجزاء الأخرى من الكلام الواردة في التركيب صفات أو أسماء فاعل.

2. لا تُحلَّل إلا التراكيب التي يجب أن تكون كلمتها الأخيرة اسمًا¹².

3. في GT المكوّن من كلمتين، لا تُحلَّل الأسماء العَلَم، لأنها غالبًا ما ترد ضمن أسماء الأشخاص والشركات والمؤسسات وغيرها، ولا تُعدّ مصطلحات مجال. (أما عند تحديد المصطلحات الأطول، فتُدرج الأسماء العَلَم أيضًا في قوائم مصطلحات GT.)

4. حذف الأعداد المكتوبة بالأرقام من التراكيب.

5. لم تُحلَّل الكلمات أو التراكيب التي تضم كلمة واحدة على الأقل لم يتعرّف إليها المحلّل الصرفي. وهذه غالبًا مقاطع دخيلة من لغات أجنبية، أو كلمات كُتبت بأخطاء، أو صيغ كلمات مختصرة¹³.

بعد تطبيق هذه القواعد، حُدِّدت التراكيب الاسمية (GT)، وانتقى الخبير¹⁴ منها مصطلحات التعليم والعلوم. وحُلِّلت هذه المصطلحات بمزيد من التفصيل، ووُصفت بنيتها في قسم بنية مصطلحات التعليم والعلوم.

¹¹ القواعد عامة، وهي ملائمة في جوهرها للتعرّف الآلي على مصطلحات أي مجال.

¹² يمكن أن تكون للمصطلحات بنية أخرى أيضًا؛ مثل اسم مع مصدر مسبوق بحرف جر، أو اسم مع تركيب حرف جر. وهذا النوع من المصطلحات قليل، لذلك لم يُحلَّل. وينبغي في مواصلة البحث مستقبلًا تحليل بنى المصطلحات التي لم يتناولها هذا المقال أيضًا.

¹³ قد يؤدي تطبيق قيود معينة على انتقاء التراكيب الاسمية (GT) إلى فقدان معلومات قيّمة. ولم يُحسب في هذه الدراسة عدد المصطلحات الحقيقية التي لم يتم التعرّف إليها. وعند استخدام برامج التعرّف الآلي على المصطلحات، ينبغي تقبّل فقدان جزء من المعلومات، لكن المعلومات المحددة آليًا ستكون أسهل في المعالجة، كما ستكون التراكيب الناتجة أكثر سلامة من الناحية النحوية.

¹⁴ خبير هذا المشروع هو غيدريوس فيليوناس، وهو متخصص في اللغة الليتوانية يتمتع بخبرة كبيرة في المجالات التربوية والإدارية والتدبيرية في ميدان التعليم والعلوم.

58

Erika Rimkutė

Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

انتقاء المصطلحات

بعد تطبيق الطريقة والبرنامج والقواعد المستخدمة فيهما، والمبيّنة في القسم السابق، حُدِّد نحو 11 ألف تركيب اسمي (GT)، يتألف كل منها من كلمة واحدة إلى خمس عشرة كلمة¹⁵. ونظرًا إلى ضخامة هذه البيانات، طُبّقت عدة معايير للانتقاء. المعيار الأول هو طول المصطلح: واستنادًا إلى الاتجاهات العامة في بنية المصطلحات، تقرر تحليل المصطلحات التي لا يزيد طولها على سبع كلمات. أما المعيار الثاني فهو تواتر ورود المصطلحات. واختير للتحليل المفصل اللاحق التراكيب الاسمية (GT) أحادية الكلمة التي وردت في مدونة نصوص التعليم والعلوم 20 مرة على الأقل؛ والتراكيب الاسمية الثنائية التي وردت 10 مرات على الأقل؛ والثلاثية التي وردت 8 مرات على الأقل؛ والرباعية التي وردت 6 مرات على الأقل؛ والخماسية التي بلغ تواترها 4 مرات على الأقل؛ والسداسية التي وردت 3 مرات على الأقل؛ والسباعية التي بلغ تواترها مرتين على الأقل.

عند حساب تواتر ورود التراكيب الاسمية (GT) آليًا، استُند إلى الصيغ المعجمية (صيغ المداخل) للكلمات، أي إلى اللِّمَم. وبعد تطبيق معايير الانتقاء هذه، دُرست المصطلحات المحددة بمزيد من التفصيل (وقد عُرضت بنيتها في القسم التالي).

بعد أن راجع الخبير التراكيب الاسمية (GT) المحددة وفق المعايير المذكورة سابقًا، انتقى مصطلحات التعليم والعلوم الحقيقية. ويُعرض توزيعها بحسب الطول في الجدول 1.

الجدول 1. توزيع مصطلحات التعليم والعلوم بحسب الطول

عدد الكلمات المكوِّنة للمصطلح

عدد المصطلحات

نسبة المصطلحات،%

1

155

19,87

2

474

60,77

3

125

16,03

4

22

2,82

5

4

0,51

المجموع

780

100,00

¹⁵ وفيما يلي بعض أطول المصطلحات التي عُثر عليها: في الحالات المحددة في البند، يُعاد القرض المدعوم من الدولة إلى المقترض بقرار من اللجنة التي يشكّلها مدير الصندوق (15 كلمة؛ وقد أُغفلت هنا الأرقام، أي رقم البند)؛ إلى عنوان محل إقامة المقترض الوارد في عقد القرض المدعوم من الدولة المبرم مع مؤسسة الائتمان (13 كلمة)؛ يُحدَّد بأمر من رئيس الجامعة نظام دفع الرسوم الدراسية لطلاب الجامعة للعام الدراسي (11 كلمة). ومن الواضح أن هذه المقاطع النصية لا يمكن اعتبارها مصطلحات محتملة.

Terminologija | 2012 | 19

59

يتضح من بيانات الجدول أن نحو 97% من جميع مصطلحات التعليم والعلوم تتكون من مصطلحات مؤلفة من كلمة إلى ثلاث كلمات. ولم يُعثر في GT على مصطلحات التعليم والعلوم المؤلفة من ست أو سبع كلمات، لذا لم تُحلَّل لاحقًا.

بنية مصطلحات التعليم والعلوم

يصف هذا القسم بالتفصيل بنية مصطلحات التعليم والعلوم التي حُدِّدت آليًا وانتقاها الخبير، ويعرض نماذجها النحوية. وقد وُصفت المصطلحات بدءًا بالأقصر، أي المؤلفة من كلمة واحدة، وانتهاءً بالأطول، أي المؤلفة من خمس كلمات.

1. المصطلحات أحادية الكلمة. حُدِّد ما مجموعه 7635 وحدة GT أحادية الكلمة، استُخدمت 1311 منها في المدونة النصية أكثر من 20 مرة. ولم يُحلَّل بالتفصيل لاحقًا سوى هذه الكلمات. ويمكن اعتبار 155 كلمة من أصل 1311 مصطلحاتٍ في التعليم والعلوم، أي نحو 20%. وأكثر مصطلحات التعليم والعلوم ورودًا في المدونة النصية هي: studentas (4208¹⁶)، universitetas (3959)، studijos (1562)، mokslas (1508)، sritis (1403).

2. المصطلحات المؤلفة من كلمتين. عُثر في مدونة نصية تضم 4 ملايين كلمة على 145 468 وحدة GT مؤلفة من كلمتين. وكما ذُكر سابقًا، لم تُحلَّل لاحقًا إلا وحدات GT المؤلفة من كلمتين التي لا يقل تواترها عن 10 مرات؛ وقد عُثر على 4889 مصطلحًا من هذا القبيل. وبعد مراجعة وحدات GT، لم يتبقَّ في القائمة النهائية لمصطلحات التعليم والعلوم سوى 474 مصطلحًا مؤلفًا من كلمتين، وهي تشكل القسم الأكبر من مجموع المصطلحات التي خضعت للتحليل، أي أكثر من الثلثين (انظر الجدول 1). ويمكن تصنيف المصطلحات المؤلفة من كلمتين إلى ثلاثة أنواع، تبعًا لصيغها النحوية.

1) اسم + اسم يوجد 250 مصطلحًا من مصطلحات التعليم والعلوم من هذا النوع، أي 52.7% من جميع المصطلحات المؤلفة من كلمتين.

أكثر مصطلحات التعليم والعلوم شيوعًا من هذا التركيب في المدونة النصية هي studijų programa (1432)، studijų pakopa (306)، studijų kryptis (303)، mokslo darbuotojas (289)، studijų kokybė (253).

2) صفة + اسم.¹⁷ تشكل التراكيب 200 مصطلحًا من مصطلحات التعليم والعلوم (أي 42.2% من المصطلحات المؤلفة من كلمتين). وأكثر مصطلحات التعليم والعلوم شيوعًا هي aukštoji mokykla (2160)، moksliniai tyrimai (918)، aukštasis mokslas (730)، nuotolinis mokymas (453)، profesinis mokymas (403).

تُعدّ التراكيب من نوع «صفة + اسم» وحدات GT عندما تتطابق الصفة مع الاسم في الجنس والعدد والحالة الإعرابية. أما في غير ذلك، فتُعَدّ-

¹⁶ يشير الرقم بين قوسين إلى تواتر ذلك المصطلح في مدونة التعليم والعلوم النصية البالغ حجمها 4 ملايين كلمة.

¹⁷ لا تُذكر الحالات الإعرابية في نماذج المصطلحات المؤلفة من كلمتين، لأن الصفات وأسماء الفاعل تتطابق مع الأسماء، وتكون الأسماء عادةً في حالة الرفع المفرد.

60

Erika Rimkutė

Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

تتضمن تراكيب غير سليمة نحويًا¹⁸، مثل تقارب الجامعات، أهمّ القانون، أهمّ التعلّم، أفضل السنوات؛ أو تكون التركيبة سليمة، وإن كانت غالبًا غير مكتملة، ولا تُعدّ من مصطلحات التعليم والعلوم، مثل الأكبر في العالم، الأكثر ديناميكية في العالم، مواتٍ للطلاب.

3) تركيب ظرف + اسم لا يتجاوز عدد التراكيب المصنّفة مصطلحاتٍ للتعليم والعلوم 24، أي 5%. وأكثر مصطلحات التعليم والعلوم شيوعًا هي: العمل الختامي (162)، المقرر الاختياري (109)، تعليم الكبار¹⁹ (65)، التغذية الراجعة (63)، البحوث التطبيقية (45).

3. المصطلحات ذات الكلمات الثلاث. جرى تحديد 119 881 تركيبًا ذا ثلاث كلمات إجمالًا في المدونة النصية. وحُلّل بالتفصيل 2438 تركيبًا، لا يقل تواترها في المدونة عن 8 مرات. وعُثر على 125 مصطلحًا للتعليم والعلوم، أي 16,03% من جميع المصطلحات. وأكثر مصطلحات التعليم والعلوم شيوعًا هي: مؤسسة التعليم العالي (251)، مؤسسة التعليم المهني (205)، قرض مدعوم من الدولة (149)، مدرسة التعليم العام (147)، مؤسسة التعليم المهني (77).

تندرج المصطلحات الثلاثية للتعليم والعلوم ضمن سبعة أنماط نحوية. وأكثر الأنماط شيوعًا بين هذه المصطلحات هو تركيب صفة في حالة النصب + اسم في حالة النصب + اسم²⁰ (يشكّل 48% من جميع المصطلحات الثلاثية)، مثل: مؤسسة التعليم العالي (251)، مؤسسة التعليم المهني (205)، مدرسة التعليم العام (147).

يأتي ثانيًا من حيث الشيوع بين المصطلحات الثلاثية للتعليم والعلوم نمط التراكيب اسم في حالة النصب + اسم في حالة النصب + اسم (24,8%)، مثل: لائحة مجال الدراسة (66)، وصف مجالات الدراسة (60)، معهد الدولة للعلوم (50).

أما ثالث أكثر الأنماط التركيبية شيوعًا للمصطلحات الثلاثية للتعليم والعلوم فهو صفة في حالة النصب + صفة في حالة النصب + اسم (12%)، مثل: برنامج وطني متكامل (69)، بحث علمي أساسي (61)، التعليم المهني الأولي (52).

وفيما يلي أمثلة قليلة فحسب على الأنماط التركيبية للمصطلحات الثلاثية للتعليم والعلوم بحسب تواترها: اسم في حالة النصب + صفة فعلية + اسم (4%)، مثل: قرض مدعوم من الدولة (149)، مؤهل معترف به من الدولة (33)، طالب تموّله الدولة (21)؛ اسم في حالة النصب + صفة في حالة النصب + اسم (4%)، مثل: مؤسسة تعليم عالٍ أجنبية (41)، مجلس أكاديمي للكلية (32)، المشرف العلمي لطالب الدكتوراه (20)؛ صفة فعلية في حالة النصب / حالة النصب + اسم في حالة النصب + اسم (3,2%)، مثل: التقييم النهائي للمؤهلات (36)، مقعد دراسي مجاني (13)، بحوث ذات طابع تطبيقي (13)؛ صفة في حالة النصب +

¹⁸ يُعدّ التركيب في هذا العمل سليمًا نحويًا إذا اتفقت الكلمات التابعة مع الكلمة الرئيسة، وكانت العلاقات النحوية بين مكوّنات التركيب واضحة.

¹⁹ شُمِلت أسماء الفاعل التي تحوّلت إلى أسماء ضمن المشاركين أيضًا.

²⁰ لا يُذكر إعراب الاسم الأخير، لأنه غالبًا ما يكون في حالة الرفع.

Terminologija | 2012 | 19

61

ظرف. صيغة النصب (أو صفة إذا استُعملت الصفة اسمًا) + اسم (2,4%)، مثلًا: مادة دراسية تنافسية (15)، تعليم غير نظامي للبالغين (13)، عمل بحثي علمي (12)؛ ظرف. صيغة النصب + ظرف. صيغة النصب + اسم (1,6%)، مثلًا: نشاط علمي تطبيقي (20)، بحوث علمية بتكليف (8).

4. المصطلحات المكوّنة من أربع كلمات. عُثر إجمالًا على 77 961 مصطلحًا مكوّنًا من أربع كلمات، وعلى 760 تركيبًا ورد أكثر من 7 مرات. حدّد الخبير من بينها 22 مصطلحًا في التعليم والعلوم (تشكل 2,82% من مجموع المصطلحات). وأكثر التراكيب شيوعًا في هذه المجموعة من المصطلحات هي مؤسسة العلوم والدراسات (568)، حديقة العلوم والتكنولوجيا (62)، برنامج وطني شامل عام (40)، التدريب المهني لسوق العمل (40).

المصطلحات المكوّنة من أربع كلمات الواردة في مدونة التعليم والعلوم تنتمي إلى تسعة أنماط نحوية مختلفة. ونظرًا إلى قلة ورود المصطلحات المكوّنة من أربع كلمات، فلا يتضمن كل نمط إلا أمثلة قليلة، أو مثالًا واحدًا فقط. وفيما يلي جميع الأنماط البنيوية لمصطلحات التعليم والعلوم المكوّنة من أربع كلمات، مصنفةً بحسب التكرار، مع مثال واحد يوضّح كل نمط:

صفة. صيغة النصب + اسم. صيغة الإضافة + اسم. صيغة الإضافة + اسم (22,7% من جميع المصطلحات المكوّنة من أربع كلمات): قاعدة بيانات علمية دولية (13)؛

صفة. صيغة النصب + صفة. صيغة الإضافة + اسم. صيغة الإضافة + اسم (18,2%): مادة تعليم عام جامعي (8)؛

صفة. صيغة الإضافة + اسم. صيغة النصب + اسم (13,6%): طالب من ذوي الاحتياجات الخاصة (8)؛

اسم. صيغة الإضافة + حرف عطف + اسم. صيغة الإضافة + اسم (13,6%): مؤسسة العلوم والدراسات (568)؛

صفة. صيغة الإضافة + اسم. صفة. صيغة النصب + اسم (9,1%): بحوث علمية عالية المستوى (18)؛

ظرف. صيغة النصب + صفة. صيغة الإضافة + اسم (9,1%): قاعدة بيانات دولية معترف بها (11)؛

صفة. صيغة النصب + صفة. صيغة النصب + صفة. صيغة الإضافة + اسم (4,5%): برنامج وطني شامل عام (40)؛

اسم. صيغة الإضافة + صفة. صيغة الإضافة + اسم. صيغة الإضافة + اسم (4,5%): مؤسسة أبحاث علمية حكومية (31)؛

اسم. صيغة الإضافة + اسم. صيغة الإضافة + اسم. صيغة الإضافة + اسم (4,5%): مجال دراسات علوم التكنولوجيا (28)؛

5. المصطلحات المكوّنة من خمس كلمات. حُدّد 49 768 مصطلحًا مكوّنًا من خمس كلمات، وعُثر على 601 تركيب ورد أكثر من 5 مرات، منها 4 مصطلحات في التعليم والعلوم، أي 0,51% من جميع المصطلحات. ومن الصعب استخلاص تعميمات بشأن بنية هذا العدد المحدود من المصطلحات، لذا لم تُصنّف المصطلحات بنيويًا. وفيما يلي جميع المصطلحات المكوّنة من خمس كلمات الواردة في مدونة التعليم والعلوم: البحوث العلمية والتطوير التجريبي (124)، البحوث العلمية والتطوير التكنولوجي (67)، البحوث العلمية وتطوير التكنولوجيا (13)، مركز البحوث العلمية عالية المستوى (7).

62

Erika Rimkutė

Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

6. المصطلحات المكوّنة من ست كلمات وسبع كلمات. سبق أن ذُكر أنه لم يُعثر بين مصطلحات GT المكوّنة من ست كلمات وسبع كلمات على أي مصطلح من مصطلحات ŠM، مع أنه تم تحديد 30 298 مصطلحًا من GT مكوّنًا من ست كلمات إجمالًا (من بينها عُثر على 750 تركيبًا ورد أكثر من 3 مرات) و17 815 مصطلحًا من GT مكوّنًا من سبع كلمات (من بينها عُثر على 2608 تراكيب وردت أكثر من مرتين).

مقارنة مصطلحات التعليم والعلوم بمصطلحات بنك المصطلحات في جمهورية ليتوانيا

يمكن مقارنة المصطلحات الواردة في متن التعليم والعلوم بالمصطلحات المعتمدة في مجالَي التعليم والعلوم والمدرجة في بنك المصطلحات في جمهورية ليتوانيا²¹، ويبلغ عددها 74 مصطلحًا. وتتباين بنية هذه المصطلحات كثيرًا: من مصطلحات أحادية الكلمة إلى تراكيب تتألف من 18 كلمة. ولم يُعثر على المصطلحات الطويلة جدًا، المكوّنة من 15 و18 كلمة، إلا بمعدل مصطلح واحد لكل منها. وأطول مصطلح مدرج هو – برنامج التعليم المهني غير النظامي والمستمر للمزارعين وملاك الغابات وأعضاء مجموعات العمل المحلية وسائر سكان الريف ومستشاريهم. ويُثار التساؤل حول ما إذا كان ينبغي اعتبار اسم البرنامج مصطلحًا.

تُظهر مقارنة بنية مصطلحات التعليم والعلوم في المتن وبنك المصطلحات أن المصطلحات الأكثر شيوعًا في كلا المصدرين هي المصطلحات المؤلفة من كلمة إلى ثلاث كلمات. غير أن المصطلحات المؤلفة من كلمة إلى ثلاث كلمات تشكل 86,5% من مصطلحات بنك المصطلحات، في حين تبلغ نسبة المصطلحات ذات الطول نفسه الواردة في متن التعليم والعلوم 97% (انظر الجدول 1). ويضم بنك المصطلحات عددًا أكبر قليلًا من المصطلحات المؤلفة من أربع كلمات مقارنة بالمتن المعروض؛ ولم ترد فيه مصطلحات مؤلفة من خمس كلمات. أما المصطلحات المؤلفة من 6 و7 و8 و9 كلمات، فلا يضم بنك المصطلحات منها سوى مصطلح أو مصطلحين لكل فئة، ولا توجد فيه مصطلحات مؤلفة من 10 كلمات، لكنه يورد المصطلحات المذكورة آنفًا المؤلفة من 15 و18 كلمة (انظر الجدول 2).

ثمة شك في تصنيف بعض المصطلحات الواردة في بنك المصطلحات ضمن مجالَي التعليم والعلوم، مثلًا: ليتواني، الجالية الليتوانية العالمية، إعادة الهجرة، الانتماء القومي. ويتضح من قائمة المصطلحات المستخلصة أن مجالَي التعليم والعلوم لم يُغطَّيا بالكامل؛ فمثلًا أُدرج سائق جرار بوصفه مصطلحًا في التعليم المهني، لكن لم تُدرج مهنة مشغّل الحصّادة والطاهي والنجار وما إلى ذلك؛ كما يفتقر البنك خصوصًا إلى المصطلحات التي تعكس سياسات العلوم. ولذلك يُفترض أن تسهم المصطلحات التي حُددت في البحث الذي يناقشه هذا المقال، ولو بدرجة محدودة، في سد فجوة المصطلحات في مجالَي التعليم والعلوم.

²¹ استُلمت قائمة المصطلحات المعتمدة في مجالَي التعليم والعلوم لعام 2010 من لجنة اللغة الليتوانية الحكومية. وتستند مقارنة بيانات المتن وبنك المصطلحات تحديدًا إلى هذه القائمة.

Terminologija | 2012 | 19

63

الجدول 2. توزيع مصطلحات التعليم والعلوم المدرجة في بنك المصطلحات في جمهورية ليتوانيا بحسب الطول

عدد الكلمات المكوِّنة للمصطلحات

عدد المصطلحات

نسبة المصطلحات،%

1

16

21,6

2

31

41,9

3

17

23,0

4

3

4,1

5

0

0

6

1

1,4

7

1

1,4

8

1

1,4

9

2

2,7

10

0

0

11

0

0

12

0

0

13

0

0

14

0

0

15

1

1,4

18

1

1,4

المجموع

74

100

مشكلات التحديد الآلي للمصطلحات

عند تحديد المصطلحات بطرائق مختلفة، تبرز مشكلتان أساسيتان: 1) ما الأشكال التي تُعد مصطلحات صحيحة نحويًا، وهذا مهم على وجه الخصوص عند تحديد الصيغة المعجمية؛ 2) كيف نميّز العبارات العامة والمصطلحات العامة من مصطلحات المجال قيد التحليل. ويواجه باحثون في بلدان أخرى مشكلات مماثلة أيضًا (انظر Cabré Castellví et al 2001).

غالبًا لا يمكن حل المشكلة الثانية إلا يدويًا، أي إن خبيرًا في ذلك المجال يجب أن يراجع مجموعة المصطلحات (GT) ويحدد المصطلحات التي تنتمي إلى المجال قيد التحليل. ويمكن أيضًا تطبيق بعض المرشحات، أي إعداد قائمة بالكلمات التي ينبغي استبعادها (بالإنجليزية stop list) واستخدامها لاستبعاد الكلمات التي لا يمكن أن تؤدي وظيفة مصطلحات المجال قيد التحليل. وقد طُبّق هذا النوع من التصفية في هذه الدراسة أيضًا. ومن الأمثلة على ذلك: لم تُعدّ مصطلحاتٌ في مجال التعليم والعلوم الكلمات أو التراكيب التي تكون كلمتها الأخيرة اسمًا يدل على الزمن

64 Erika Rimkutė | Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

مثلًا: metai, mėnuo, diena, savaitė, rytas, vakaras, sausis, vasaris, pirmadienis, antradienis وما إلى ذلك. ولا تُعدّ الكلمات الدالة على وحدات القياس مصطلحات، مثل: milimetras, metras, centimetras, kilometras, mylia, gramas, kilogramas, tona.

يمكن استبعاد التراكيب التي تشتمل على عبارات من الكلمات المميزة للمصطلحات الإدارية العامة، مثل: įstatymo straipsnio, įstatymo straipsnio dalyje, įstatymų nustatyta (tvarka), įsakymo punktu patvirtintu, teisės aktų nustatyta tvarka, respublikos vyriausybės, respublikos valstybės, nuostatų punktas, nutarimų punktas, ministro įsakymas, ministro nustatyta tvarka, ministro patvirtintas, ministro sudarytas.

في محاولة للتمييز بدقة قدر الإمكان بين مصطلحات التعليم والعلوم والمصطلحات العامة آليًا، أُنشئت مجموعتا نصوص للمقارنة، مماثلتان لمجموعة نصوص التعليم والعلوم من حيث الحجم، أي إن كلًا منهما تضم أربعة ملايين كلمة. تتألف مجموعة المقارنة الأولى من نصوص متنوعة الأنواع والأساليب؛ وبنيتها شبيهة بـ Dabartinės lietuvių kalbos tekstyną (وتضم الصحافة، والأدب الإبداعي، والأدب الإداري، والأدب العلمي). أما مجموعة المقارنة الثانية فتتألف من نصوص إدارية لا تنتمي إلى مجال التعليم والعلوم. وافترضت الدراسة أنه كلما كان المصطلح أعمّ، زاد شيوع استعماله في مجموعة النصوص العامة و/أو الإدارية، وكلما كان أكثر تخصصًا، قلّ وروده فيهما. وقد تأكدت هذه الفرضية جزئيًا؛ فعلى سبيل المثال، لم تظهر مصطلحات مميزة لمجال التعليم والعلوم، مثل judumas, kompetentingumas, nubyrejimas, siekinys في مجموعتي المقارنة، في حين أن مصطلحات مثل studentas, universitetas, vadovėlis شائعة في مجموعة التعليم والعلوم وفي مجموعتي المقارنة على حد سواء. وينبغي مواصلة هذه الدراسة لتقديم بيانات موثوقة عن مدى إمكانية أن تساعد مقارنة مجموعات نصية متعددة في التمييز الآلي، ولو جزئيًا، بين المصطلحات العامة ومصطلحات المجال قيد التحليل.

ستُناقش فيما يلي المشكلة الأولى بمزيد من التفصيل، أي كيفية تحديد اللمة الصحيحة للمصطلحات آليًا (ولا سيما متعددة الكلمات)، وكيفية ردّ الكلمات والتراكيب الواردة في مجموعة النصوص بصيغ تصريفية مختلفة إلى لمة واحدة.

أظهرت الدراسة أنه ليس من السهل دائمًا تحديد الصيغة المعجمية للمصطلح. فعند تحديد اللمة آليًا، مثلًا، يعطي المركب aukštoji mokykla النتيجة aukštas mokykla. وقد أُدرجت هذه الصيغة لأن المحلّل الصرفي يعيّن للصفات لمةً هي صيغة المذكر المفرد في حالة الرفع من درجة المقارنة المحايدة (للاطلاع على مزيد من التفاصيل حول خصائص المحلّل، انظر Zinkevičius 2000). أما لُمم المصطلحات متعددة الكلمات

Terminologija | 2012 | 19

65

كان تحديدها سيساعد كثيرًا برنامجُ التحليل النحوي. لكن للأسف، لا يوجد حتى الآن برنامج تحليل نحوي يعمل فعليًا²². وبناءً على ذلك، يتطلب تحديد الصيغ المعجمية بعض القواعد الإضافية؛ ففي هذه الحالة، يجب تحديد أنه إذا كانت الصيغة المعجمية تتألف من اسم، فينبغي أن تتوافق الصفة أو اسم الفاعل مع جنس ذلك الاسم؛ وإذا كانت الصفة أو اسم الفاعل من الصيغ المعرّفة، فيجب الإبقاء على هذه الفئة في الصيغة المعجمية أيضًا.

تُثار أسئلة كثيرة بشأن فئة العدد، فمثلًا، يجب أن يأتي المكوّن الأول من المصطلح studentų atstovybė بصيغة الجمع؛ ويجب أن تأتي جميع مكوّنات المصطلحين akademiniai įgūdžiai, auditorinės darbo valandos بصيغة الجمع؛ أما المصطلحات fakulteto taryba, universiteto autonomija, bendrasis priėmimas, mokslinis leidinys فيأتي مكوّنا كل منها بصيغة المفرد. ومن المؤكد أن الإنسان لا يجد صعوبة في تحديد المواضع التي تتطلب صيغة الجمع أو المفرد، لكن إجراء ذلك آليًا بالغ الصعوبة. والواقع أن المدونة تُظهر أن بعض الكلمات تُستعمل دائمًا تقريبًا بصيغة الجمع فقط (مثل: asignavimai, duomenys, studijos, rūmai, žinios, pinigai, pareigos).

يصعب تحديد صيغة العدد المناسبة أيضًا لأن بعض الكلمات متجانسة اللفظ، مثل studija (عمل علمي) وstudijos (الدراسة). ولهذا السبب، حُدّدت صيغ هذه المصطلحات المعجمية آليًا على نحو غير صحيح: bakalauro studija, rezidentūros studija, magistro studija, dieninės studija, nuotolinės studija. وكما ذُكر، فإن بعض الأسماء تُستعمل غالبًا بصيغة الجمع فقط، مع أن الصيغة المفردة مذكورة في القاموس بوصفها الصيغة المعجمية. وقد أدى هذا التباين بين المعلومات المعجمية والاستعمال الفعلي إلى تحديد الصيغ المعجمية للمصطلحات التالية على نحو غير صحيح: mokinio pasiekimas, švietimo resursas, praktinis gebėjimas, fizinis mokslas, akademinis užsiėmimas (والصواب: mokinio pasiekimai, švietimo resursai, praktiniai gebėjimai, fiziniai mokslai, akademiniai užsiėmimai).

ومن المشكلات الأخرى أسماءُ substantiva mobilia، مثل: abiturientas – abiturientė, abonentas – abonentė. ولأن المدونة تضمنت صيغًا للمذكر وأخرى للمؤنث، فقد أُدرجت آليًا الصيغ المعجمية لكلا الجنسين. ولكي تُعتمد في مصطلح التعليم والعلوم صيغة معجمية للمذكر فقط، كان لا بد من تطبيق قاعدة تُردّ بموجبها الأسماء من نوع substantiva mobilia، بصيغتيها المذكرة والمؤنثة، إلى صيغة معجمية مذكرة.

²² Automatinės sintaksinės analizės srityje paminėtini D. Šveikauskienės 2009, E. Rimkutės 2006 darbai. Automatinės sintaksinės analizės programa kuriama VDU Kompiuterinės lingvistikos centre ir iš dalies jau taikoma analizuojant ŠM terminus.

66

Erika Rimkutė

Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

عند تحديد الصيغ المعجمية آليًا، يُشار أحيانًا إلى ترتيب غير مناسب للكلمات؛ فمثلًا، حُددت الصيغ الأساسية التالية: tipų studija (والصواب studijų tipas)، وlygmens kvalifikacija (والصواب kvalifikacijų lygmuo).

وبسبب عدم تطبيق التحليل النحوي عند تحديد الصيغ المعجمية، لا تتطابق النعوت دائمًا مع الأسماء التي تصفها؛ مثلًا: tarptautinis (= tarptautinio) lygio mokslas، أو تظهر مخالفات نحوية أخرى، مثل: paskolų gyvenimo išlaidos (= paskola gyvenimo išlaidoms).

وتنشأ صعوبات أيضًا عند تحديد حدود المصطلحات؛ فمثلًا، هل dėstytojų ir mokslininkų kvalifikacijos bei kompetencijos atitiktis مصطلح واحد، أم ينبغي تمييز عدة مصطلحات هنا:

1) توافق مؤهلات المحاضرين وكفاءاتهم،

2) توافق مؤهلات الباحثين وكفاءاتهم،

3) توافق مؤهلات المحاضرين والباحثين،

4) توافق كفاءات المحاضرين والباحثين،

5) مؤهلات المحاضرين،

6) مؤهلات الباحثين،

7) كفاءة المحاضرين،

8) كفاءة المعلمين،

9) توافق المؤهلات،

10) مطابقة الكفاءة.

تنشأ صعوبات في تحديد اللمات والتعرّف على المصطلحات عمومًا بسبب خصائص المحلّل الصرفي أيضًا، إذ يُختار أحيانًا تحليل غير مناسب من بين عدة أقسام كلام أو صيغ نحوية ممكنة. فعلى سبيل المثال، إذا توافقَت الصفة مع الاسم المجاور لها في الجنس والحالة والعدد، فمن المرجح جدًا أن يكون هذا المركّب صحيحًا نحويًا. أما المركّبات المؤلفة من اسمين، حيث لا يكون العنصر الأول في حالة الإضافة، فليست صحيحة نحويًا دائمًا. وينبغي مراجعتها بعناية أكبر، مما يستغرق وقتًا أطول. وعليه، فإن قسم الكلام المحدد هو ما يقرر ما إذا كان المركّب سيُدرج ضمن المصطلحات متعددة الكلمات (GT)، وما إذا كان صحيحًا نحويًا. وفيما يلي أمثلة توضح هذا النوع من الأخطاء: metinėms (قد تكون صفة أو اسمًا، وقد حدّد المحلّل الصرفي أنها اسم) ataskaitoms; keliais (قد تكون ضميرًا أو اسمًا، واختير أنها اسم) procentais; bendrais (قد تكون صفة أو اسمًا، واختير أنها اسم) teiginiais; uždarus (قد تكون صفة أو اسمًا، واختير أنها اسم) posėdžius.

بسبب تحديد قسم كلام غير مناسب، ولأن الكلمات لا تُحلَّل نحويًا، يبدو المركّب žemiausias balas، الذي عُثر عليه في مدوّنة مشروحة صرفيًا، للوهلة الأولى غير صحيح نحويًا، لأن

Terminologija | 2012 | 19

67

أُسندت إلى الكلمة الأولى الوسوم الآتية: صفة، صيغة التفضيل، غير ضميرية، مذكر، مفرد، حالة الرفع؛ وإلى الثانية: اسم، مؤنث، جمع، حالة المضاف إليه، كما حُدّدت اللمة على أنها bala. وهكذا يتضح أن لمة الاسم قد حُدّدت خطأً في هذه الحالة؛ والصواب هو balas. وعليه، فإن المركّب المذكور أعلاه صحيح نحويًا.

يستعرض هذا الفصل الصعوبات الأكثر شيوعًا التي تُواجه عند تحديد مصطلحات التعليم والعلوم آليًا. وستتناول أعمال أخرى هذه المشكلات وسبل حلها.

الاستنتاجات

لا يزال برنامج ومنهجية التحديد الآلي للمصطلحات بحاجة إلى التطوير. ومع ذلك، يمكن تقييم النتائج الأولى بأنها جيدة إلى حد كبير. وكما يتضح من الأمثلة المقدمة، لا يكشف التحليل الآلي عن المشكلات التقنية والمتخصصة فحسب، بل يبرز أيضًا مشكلات يواجهها علماء المصطلحات، مثل اختيار فئة العدد.

بعد تحسين المحلّل الصرفي وتطبيق برنامج التحليل النحوي الآلي، سيصبح تحديد المصطلحات آليًا أسهل وأكثر موثوقية.

على الرغم من الصعوبات القائمة، يسرّع البرنامج الذي يحدد المصطلحات آليًا عملية تحديد المصطلحات متعددة الكلمات (GT) بدرجة كبيرة. ومن المزايا المهمة الأخرى لعملية تحديد المصطلحات آليًا موضوعية تحليل البيانات.

تبيّن أن طول 97% من مصطلحات التعليم والعلوم التي اختيرت آليًا وخضعت للمراجعة يتراوح بين كلمة واحدة وثلاث كلمات. وأكثر المصطلحات شيوعًا هي المصطلحات المؤلفة من كلمتين، إذ تشكل ما يقارب 61% من مجموع المصطلحات.

أكثر الأنماط التركيبية شيوعًا في مصطلحات التعليم والعلوم هي: اسم في حالة الرفع + اسم، وصفة + اسم، وصفة في حالة الرفع + اسم في حالة الرفع + اسم، واسم في حالة الرفع + اسم في حالة الرفع + اسم (وقد يأتي الاسم الأخير في حالات إعرابية مختلفة).

LITERATŪRA

Bowker L. 2002: Computer-aided translation technology – a practical introduction. University of Ottawa Press.

Cabré Castellví M. T., Estopà Bagot R., Palatresi J. V. 2001: Automatic term detection. A review of current systems. – Recent Advances in Computational Terminology, 53–88.

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, Vol. 11, 82–89.

Rimkutė E. 2006: Morfologinio daugiaprasmiškumo ribojimas kompiuteriniame tekste. Daktaro disertacija.

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

Rossini Favretti R., Tamburini F., Martelli E. 2001: Words from Bononia Legal Corpus. – International Journal of Corpus Linguistics, special issue, 3–33.

Šveikauskienė D. 2009: Kalbos vientisinių sakinių automatinė sintaksinė analizė. Daktaro disertacija.

Zeller I. 2005: Automatinis terminų atpažinimas ir apdorojimas. Daktaro disertacija. Vytauto Didžiojo universitetas.

Zinkevičius V. 2000: Lemuoklis – morfologinei analizei. – Darbai ir dienos 24, 245–273.

68

Erika Rimkutė

Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

AUTOMATIC IDENTIFICATION OF SCIENCE AND EDUCATION TERMS USING LINGUISTIC METHODS

The paper deals with possibilities and problems of automatic Lithuanian term extraction. Specifically, linguistic methods are discussed in the domain of Education and Science.

Other researchers have shown that it is almost impossible to have language-independent term extraction tools; this is especially true for tools which are based on linguistic rules. Therefore a linguistic term extraction tool should incorporate methods that would deal with a language’s grammatical system. This paper presents a tool developed at the Centre of Computational Linguistics of Vytautas Magnus University that employs linguistic rules for extracting domain-specific terminology.

In order to extract domain-specific terms automatically, some preparatory work should be completed: compilation of domain-specific corpus (a corpus of four million words has been compiled for this research), morphological annotation of the corpus, formulation of appropriate linguistic rules, and creation of methodology for filtering out irrelevant word combinations.

The paper presents the linguistic rules that have been used for the extraction of Education and Science terms and the results of the extraction procedure. The identified terms are contrasted with approved terms in the Term Bank of the Republic of Lithuania.

Some specific problems of automatic term extraction are discussed in the paper, e.g. number and case agreement of terms in a multi word term.

Gauta 2012-05-17

Erika Rimkutė

Vytauto Didžiojo universitetas

K. Donelaičio g. 52, LT-44248 Kaunas

E. paštas [email protected]

Terminologija | 2012 | 19 6 9