Eğitim ve bilim terimlerinin dilbilimsel yöntemlerle otomatik olarak belirlenmesi

ERIKA RIMKUTĖ

Vytauto Didžiojo universitetas

ANAHTAR SÖZCÜKLER: derlem, eğitim ve bilim terimleri, dilbilimsel yöntemler, başlık biçimi, dilbilgisel biçim

GİRİŞ

Derlem dilbilimi ve bilgisayarlı dilbilim Litvanya’da ikinci on yılına girmiştir; bu bilim dallarının başlangıcı, Vytautas Magnus Üniversitesi Bilgisayarlı Dilbilim Merkezi’nin kurulmasına (bkz. http://tekstynas.vdu.lt) 1994 yılında¹ bağlanabilir. Birkaç derlem, otomatik dil çözümleme ve sentez programı hazırlanmıştır. Bununla birlikte, derlem dilbiliminin ilkeleri terminoloji ve terminografide henüz pek az uygulanmaktadır.

2010 tarihli “Litvanca Terimlerin Otomatik Olarak Belirlenmesi Olanakları” başlıklı makalede (Rimkutė 2010), Litvanya’da çeşitli terminoloji çalışmalarının hazırlanmasında derlemlerden ne ölçüde yararlanıldığı gözden geçirilmiştir. Litvanca terimler çeşitli uluslararası veri tabanlarında ve terim bankalarında bulunabilir; çok sayıda elektronik terim sözlüğü veya veri tabanı hazırlanmıştır², ancak Litvancadaki tüm elektronik terim sözlükleri esasen terim sözlüklerine dayanılarak oluşturulmuştur. Litvanca sözlüklerin çoğu oldukça sınırlı miktarda metne ve dilsel sezgiye dayanılarak hazırlanmıştır; dolayısıyla Litvanya’da terimlerin derlenmesi ve tanımlanmasında hâlâ kuralcı yaklaşımın baskın olduğu söylenebilir.

Makale, eğitim ve bilim terimlerini belirlemek ve tanımlamak üzere yürütülen projede³, terimlerin otomatik olarak belirlenmesiyle ilgili sonuçları sunmayı amaçlamaktadır—

¹ 2011 yılına kadar hazırlanan Litvanya dili kaynaklarının kapsamlı bir listesini http://sruoga.vdu.lt/lituanistiniai-skaitmeniniai-istekliai/lituanistiniu-istekliu-sarasas. adresinde bulabilirsiniz.

² Bağlantılar anılan makalede verilmiştir.

³ Bu, Litvanya Bilim Konseyi tarafından finanse edilen Eğitim ve Bilim Terimlerinin Otomatik Tanımlanması (ŠIMTAI 2) projesidir (sözleşme no. LIT-2-44). Projenin başlıca amaçları şunlardır: 1) Litvanca derleminde otomatik terim tanıma metodolojisini yeni bir terminoloji yönetimi aracı olarak geliştirmek ve sınamak, 2) eğitim ve bilim alanlarında özel bir derlem oluşturmak, 3) özel derlemi temel alarak eğitim ve bilim terimlerinin açıklamalı sözlüğünü ve bu alanın ontolojisini hazırlamak.

54

Erika Rimkutė

Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

... belirlenmesi ve bunların betimlenmesi. Terimlerin otomatik olarak belirlenmesine yönelik proje fikri, mevcut normatif kaynakların⁴ oldukça eksik olduğunu, eğitim politikasıyla ilgili en genel terimlere odaklandığını ve bilim politikası alanını neredeyse hiç kapsamadığını; bu kaynaklarda uygulamalı çalışmalardan doğan yeni terimlerin sunulmasına yetişilemediğini ve terminoloji uzmanlarının bunları standartlaştırmaya yetişemediğini fark edince ortaya çıktı. Geleneksel standardizasyon yine de oldukça özneldir; bu nedenle kullanım ve normlar, derlem dilbilimi yöntemleriyle temellendirilmelidir. Dolayısıyla bu makalede, Litvanya’da hâlâ oldukça yeni olan ve terminologların işini büyük ölçüde kolaylaştırabilecek, daha fazla nesnellik sağlayabilecek bir terim seçme ve analiz etme yönteminden söz edilecektir.

TERİMLERİN OTOMATİK OLARAK BELİRLENMESİ

Belirli bir alandaki terimleri otomatik olarak belirlemek ve tanımlamak amacıyla bir alan seçilmiştir: bilim ve eğitim. Eğitim ve bilimle ilgili 4 milyon sözcüklük bir derlem oluşturulmuş; bu derlem hazırlanırken iki temel konu esas alınmıştır: 1) bilimsel araştırmalar ve 2) eğitim. Bilimsel araştırmalar alanında en çok bilimsel araştırma politikası ile yükseköğretim politikasına odaklanılmıştır. Eğitim alanında ise yükseköğretim sonrası eğitim ele alınmış, en fazla önem yükseköğretime ve sürekli öğrenmeye verilmiştir. Ek bir alan olarak mesleki eğitim de dâhil edilmiştir. Derlem oluşturulurken, çeşitli tür ve biçimlerdeki metinleri kapsaması hedeflenmiştir; örneğin yasalar, en üst düzey devlet kurumlarının diğer siyasi belgeleri (Litvanya Cumhuriyeti Seiması, Litvanya Cumhuriyeti Hükûmeti ve Litvanya Cumhuriyeti Cumhurbaşkanı kararları ve bildirileri, Anayasa Mahkemesi kararları vb.); strateji belgeleri; yasaların uygulanmasına ilişkin mevzuat; bilim ve eğitim politikalarının uygulanmasından sorumlu kurumların ve projelerin belgeleri; bilim ve yükseköğretim kurumlarının belgeleri; bilgilendirici yayınlar, alanın durumuna ilişkin araştırmalar, değerlendirmeler ve fizibilite çalışmaları; basın açıklamaları ve tartışma materyalleri.

Araştırılan alanı temsil eden, iyi dengelenmiş bir derlem⁵ mevcut olduğunda terimler otomatik olarak belirlenebilir. Bu amaçla en sık kullanılan yöntem-

⁴ Litvanya Cumhuriyeti Terim Bankası, L. Jovaiša’nın Enciklopedinį edukologijos terminų žodyną (2007) adlı eserini ve TESE thesaurus’unu [erişim tarihi: 2012-05-20] örnek olarak verebiliriz; internet üzerinden erişim: http://eacea.ec.europa.eu/education/eurydice/documents/tese/pdf/teselt_005_alphabetic.pdf.

⁵ Derlemlerin temsil gücü ve büyüklüğü, derlem dilbiliminin en karmaşık konularındandır. Eğitim ve bilim derleminin seçilen alanı oldukça iyi temsil ettiği düşünülebilir. Büyüklüğü ise daha tartışmalıdır; örneğin İngilizce-İtalyanca hukuk derlemi Bononia Legal Corpus (BOLC) yaklaşık 18 milyon sözcükten oluşmaktadır (Rossini Favretti et al. 2001).

Terminologija | 2012 | 19

55

üç tür yöntem: istatistiksel yöntemler, dilbilimsel yöntemler ve istatistiksel-dilbilimsel yöntemlerin hibrit modelleri. En uygun terim belirleme yöntemlerini saptamak amacıyla birkaç deney yapılmıştır. Şu istatistiksel yöntemler denenmiştir: 1) WordSmith Tools programının Keyword Clusters işlevi; 2) KEA otomatik öğrenme yöntemi; 3) LICE aracı kullanılarak kolokasyon çıkarma yöntemi (ayrıntılı bilgi için bk. Grigon worth et al. 2011). Bu araştırmaların ardından, Litvancaya en uygun yöntemin dilbilimsel yöntemler olduğu sonucuna varılmıştır. Aşağıda bu yöntemlerin özellikleri kısaca açıklanacaktır.

İstatistiksel terim belirleme sistemlerinin başlıca avantajı, insanlar tarafından terim örnekleriyle etiketlenmiş büyük veri tabanlarına ihtiyaç duymamalarıdır. Ayrıca dilden bağımsızdırlar. İstatistiksel sistemlerin temel çalışma ilkesi, birlikte sıkça kullanılan sözcüklerin birbiriyle ilişkili olduğu ve olası terimler olarak değerlendirilebileceği varsayımına dayanır.

Dilbilimsel yöntemler çoğunlukla morfolojik etiketlere ve sözcük dizilişine dayanır. Dilbilimsel yöntemleri uygulayabilmek için morfolojik olarak etiketlenmiş derlemler gerekir. Dilbilimsel terim belirleme yöntemleri kullanıldığında, terimlerin hangi dilbilgisel biçimlerde bulunabileceği genellikle saptanır. Dilbilgisel biçimler belirlenirken dillerin özellikleri dikkate alınmalıdır. Örneğin analitik dillerde terimlerin sözcük türünü belirlemek önemlidir. Litvancada da terimlerin sözcük türü çok önemlidir; ancak terimleri otomatik olarak belirlerken başka hangi dilbilgisel kategorilere ilişkin bilginin gerekli olduğunu da bilmek gerekir. Litvanca için sayı ve hâl kategorilerinin de önemli olduğu, cinsiyet kategorisinin ise terimlerin otomatik olarak belirlenmesinde pek önem taşımadığı⁶ gözlemlenmiştir.

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.

Bu makalenin devamında, Litvanca terimleri dilbilimsel yöntemlerle otomatik olarak belirlemeye yönelik denemeler sunulacaktır. Dikkat çekilmesi gereken

⁶ Cinsiyet, hâl eşadlılığı ortaya çıktığında önem kazanır; örneğin mokslo darbuotojų biçiminde: otomatik morfolojik çözümleme programı darbuotojų biçimini hem eril hem de dişil isimlerin çoğul ilgi hâli olarak tanır; bu nedenle başlık biçimi olarak hem mokslo darbuotojas hem de mokslo darbuotoja biçimlerini gösterir. Terim olarak eril biçim, yani mokslo darbuotojas verilmelidir.

56

Erika Rimkutė

Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

olası terimlerin (bundan sonra GT)⁷ belirlenmesi için VDU Bilgisayarlı Dilbilim Merkezi’nde geliştirilmiş bir program kullanılmıştır. Bu programda, hangi sözcük türlerinin birleşimlerinin veya sözcük biçimlerinin analiz edileceğini belirten dilbilimsel kurallar kullanılmıştır.

Belirtildiği üzere, dilbilimsel yöntemlerin kullanılması için morfolojik olarak etiketlenmiş derlemler gereklidir; bu nedenle öncelikle derlenen eğitim ve bilim derlemi, VDU Bilgisayarlı Dilbilim Merkezi’nde geliştirilen bir morfolojik etiketleyici kullanılarak morfolojik olarak etiketlenmiştir⁸. Aşağıda otomatik olarak morfolojik biçimde etiketlenmiş metinden bir örnek verilmiştir:

<kelime=”PROJEKTŲ” lemma=”projektas” tür=”isim eril gen çoğ K”>⁹ <boşluk> <kelime=”FINANSAVIMO” lemma=”finansavimas” tür=”isim eril gen tekil K”> <boşluk> <kelime=”SĄLYGŲ” lemma=”sąlyga” tür=”isim dişil gen çoğ K”> <boşluk> <kelime=”APRAŠAS” lemma=”aprašas” tür=”isim eril gen tekil V”> <paragraf> <kelime=”I” lemma=”I” tür=”Roma rakamı”> <ayraç=”.”> <boşluk> <kelime=”BENDROSIOS” lemma=”bendras” tür=”sıfat olumlu karşılaştırmasız zamir dişil tekil gen”> <boşluk> <kelime=”NUOSTATOS” lemma=”nuostata” tür=”isim dişil tekil gen”>¹⁰ <paragraf> <sayı=”1”> <ayraç=””> <boşluk> <sayı=”2007”> <ayraç=”–”>

⁷ Çeşitli yöntemler kullanan ve terimleri otomatik olarak belirleyen programlar çoğunlukla olası terimleri, yani terim adaylarını tanır (bkz. Zeller 2005). Ancak otomatik olarak belirlenen sözcük veya sözcük öbekleri arasında, hiçbir anlam taşımayan sözcük dizileri ya da anlamlı ancak terim olmayan sözcük öbekleri, örneğin eşdizimler, sıkça görülür. Bu sözcük ve öbekler arasından gerçek terimleri genellikle ilgili alanın uzmanı belirler.

⁸ Daha ayrıntılı bilgi için bkz. http://tekstynas.vdu.lt/page.xhtml?id=morphological-annotator-how-to-use.

⁹ Word metinde kullanılan belirli bir sözcük biçimini belirtir, lemma – başlık biçimini (lemayı), type ise ayrıntılı morfolojik bilgiyi gösterir.

¹⁰ Morfolojik etiketlemenin otomatik yapıldığına dikkat edilmelidir; bu nedenle, örneğin bu örnekteki durum eklerinin eşbiçimliliği nedeniyle yanlış biçim belirtilmiş olması gibi hatalar da görülebilir: dişil çoğul yalın hâl yerine dişil tekil ilgi hâli belirtilmiştir. Morfolojik etiketleyicinin özelliklerinden kaynaklanan hatalar hakkında daha ayrıntılı bilgi için bkz. Otomatik terim belirleme sorunları bölümü.

Terminologija | 2012 | 19

57

<number=”2013”>

<space>

<word=”m” lemma=”m” type=”sntrmp”

<sep=”.”>

<space>

GT’yi otomatik olarak belirleyen programların çalışma ilkesi kısaca ve basitçe şöyle açıklanabilir: morfolojik olarak etiketlenmiş metin analiz edilir ve birbiriyle ilişkili sözcük dizileri aranır. İlk ölçüt, metin ve cümle sınırlarına göre etiketlenmiş, kesintisiz sözcük öbeklerini seçmektir. Metindeki bazı sınırlar noktalama işaretleri olarak, diğerleri ise örneğin paragraf etiketi <p>, sözcükler arasındaki boşluk etiketi <space> vb. HTML etiketleri olarak işaretlenmiş olabilir. Daha sonra programda uygulanacak belirli dilbilimsel kurallar hazırlanmalıdır. Eğitim ve bilim terimlerini belirlemek için aşağıdaki temel kurallar hazırlanıp uygulanmıştır¹¹:

1. Yalnızca en az bir isim içeren öbekler analiz edilir. GT iki sözcükten uzunsa, böyle bir öbekte bulunan diğer sözcük türleri sıfatlar ve ortaçlar olabilir.

2. Yalnızca son sözcüğünün mutlaka isim olması gereken öbekler analiz edilir¹².

3. İki sözcüklü GT’lerde özel isimler analiz dışı bırakılır; çünkü bunlar çoğunlukla kişi, şirket, kurum vb. adlarının içinde yer alır ve alan terimleri sayılmaz (daha uzun terimler belirlenirken özel isimler de GT terim listelerine dahil edilir).

4. Birleşimlerden rakamlarla yazılmış sayıları çıkarın.

5. Morfolojik etiketleyicinin tanımadığı en az bir sözcük içeren sözcükler veya birleşimler analiz edilmemiştir. Bunlar çoğunlukla yabancı dildeki eklemeler, yanlış yazılmış sözcükler ve kısalmış sözcük biçimleridir¹³.

Bu kurallar uygulandığında, uzmanın¹⁴ eğitim ve bilim terminolojisi terimlerini seçtiği terim adayları belirlendi. Bu terimler daha ayrıntılı olarak analiz edildi; yapıları Eğitim ve Bilim Terimlerinin Yapısı bölümünde açıklandı.

¹¹ Kurallar evrenseldir ve temelde herhangi bir alandaki terimleri otomatik olarak belirlemek için uygundur.

¹² Örneğin, isim ile ön ekli mastar ya da isim ile ilgeçli olumsuzluk yapısından oluşan farklı bir terim yapısı da mümkündür. Bu tür terimler az olduğundan analiz edilmemiştir. Araştırmaya gelecekte devam edilirken, bu makaleye dahil edilmeyen terim yapıları da incelenmelidir.

¹³ Terim adayı seçimine belirli kısıtlamalar uygulandığında değerli bilgiler kaybedilebilir. Bu araştırmada, gerçek terimlerden kaçının tanınmadığı hesaplanmamıştır. Otomatik terim tanıma programları kullanılırken bilgilerin bir bölümünün kaybedileceği kabul edilmelidir; ancak otomatik olarak belirlenen bilgilerin işlenmesi daha kolay olacak ve elde edilen birleşimler dilbilgisi bakımından daha düzgün olacaktır.

¹⁴ Bu projenin uzmanı, eğitim ve bilim alanında geniş pedagojik, idari ve yönetsel deneyime sahip Litvanyalı filolog Giedrius Viliūnas'tır.

58

Erika Rimkutė

Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

TERİM SEÇİMİ

Önceki bölümde açıklanan yöntem, program ve programda kullanılan kurallar uygulandığında, bir ile on beş sözcükten¹⁵ oluşan yaklaşık 11 bin terim adayı belirlendi. Bu kadar büyük miktarda veriyle karşılaşınca çeşitli seçim ölçütleri uygulandı. İlk ölçüt terimlerin uzunluğuydu: terim yapısına ilişkin genel eğilimler dikkate alınarak, yedi sözcükten uzun olmayan terimlerin analiz edilmesine karar verildi. İkinci ölçüt, terimlerin kullanım sıklığıydı. Eğitim ve bilim derleminde en az 20 kez geçen tek sözcüklü terim adaylarının; en az 10 kez geçen iki sözcüklülerin; en az 8 kez geçen üç sözcüklülerin; en az 6 kez geçen dört sözcüklülerin; en az 4 kez geçen beş sözcüklülerin; en az 3 kez geçen altı sözcüklülerin ve en az 2 kez geçen yedi sözcüklülerin daha ayrıntılı analiz edilmesi seçildi.

Terim adaylarının görülme sıklığı otomatik olarak sayılırken sözcüklerin başlık (sözlük) biçimleri, yani lemmalar esas alındı. Bu seçim ölçütleri uygulandıktan sonra belirlenen terimler daha ayrıntılı incelendi (yapıları sonraki bölümde sunulmuştur).

Uzman, daha önce belirtilen ölçütlere göre belirlenen terim adaylarını gözden geçirdikten sonra gerçek eğitim ve bilim terimleri seçildi. Bunların uzunluğa göre dağılımı Tablo 1'de verilmiştir.

Tablo 1. Eğitim ve bilim terimlerinin uzunluğa göre dağılımı

Terimleri oluşturan sözcüklerin sayısı

Terim sayısı, adet

Terim sayısı,%

1

155

19,87

2

474

60,77

3

125

16,03

4

22

2,82

5

4

0,51

Toplam

780

100,00

¹⁵ Burada bulunan en uzun terimlerden bazıları sunulmaktadır: bentte belirtilen durumlarda fon müdürünün oluşturduğu komisyonun kararıyla devlet destekli kredinin borçluya geri ödenmesi (15 sözcük; burada bent numarası olan sayılar çıkarılmıştır); kredi kuruluşuyla yapılan devlet destekli kredi sözleşmesinde belirtilen borçlunun ikamet adresi (13 sözcük); üniversite öğrencilerinin öğrenim ücretlerini ödeme usulü akademik yıl için rektörün emriyle belirlenir (11 sözcük). Bu metin parçalarının olası terimler olarak kabul edilemeyeceği açıkça görülmektedir.

Terminologija | 2012 | 19

59

Tablodaki verilerden, eğitim ve bilim (E&B) terimlerinin yaklaşık%97’sinin 1–3 sözcükten oluşan terimler olduğu görülmektedir. Altı ve yedi sözcüklü GT eğitim ve bilim terimlerine rastlanmadığından bunlar daha fazla incelenmemiştir.

EĞİTİM VE BİLİM TERİMLERİNİN YAPISI

Bu bölümde otomatik olarak belirlenen ve uzman tarafından seçilen E&B terimlerinin yapısı ayrıntılı biçimde açıklanmış, dilbilgisel modelleri sunulmuştur. Terimler en kısadan, yani tek sözcüklülerden en uzuna, yani beş sözcüklülerden başlayarak açıklanmıştır.

1. Tek sözcüklü terimler. Toplam 7635 tek sözcüklü GT belirlenmiştir; bunların 1311’i derlemde 20’den fazla kez kullanılmıştır. Bundan sonra yalnızca bu sözcükler daha ayrıntılı olarak incelenmiştir. 1311 sözcükten 155’i E&B terimi olarak kabul edilebilir; bu da yaklaşık%20’dir. Derlemde en sık kullanılan E&B terimleri şunlardır: öğrenci (4208¹⁶), üniversite (3959), öğrenim (1562), bilim (1508), alan (1403).

2. İki sözcüklü terimler. 4 milyon sözcüklük derlemde 145 468 iki sözcüklü GT bulunmuştur. Daha önce belirtildiği gibi, bundan sonra yalnızca sıklığı en az 10 olan iki sözcüklü GT’ler incelenmiştir; bu tür 4889 terim bulunmuştur. GT’ler gözden geçirildikten sonra, nihai E&B terimleri listesinde yalnızca 474 iki sözcüklü terim kalmış ve bunlar incelenen tüm terimlerin büyük çoğunluğunu, yani üçte ikisinden fazlasını oluşturmuştur (bkz. Tablo 1). İki sözcüklü terimler, dilbilgisel biçimlerine göre üç türe ayrılabilir.

1) isim + isim yapısındaki E&B terimlerinden 250 tane vardır; bu, iki sözcüklü terimlerin tümünün%52,7’sidir.

Derlemde kullanılan bu yapıdaki en yaygın E&B terimleri şunlardır: öğrenim programı (1432), öğrenim kademesi (306), öğrenim alanı (303), araştırmacı (289), öğrenim kalitesi (253).

2) sıfat + isim yapısındaki¹⁷ birleşik yapılar, 200 E&B terimi oluşturur (iki sözcüklü terimlerin%42,2’si). En yaygın E&B terimleri şunlardır: yükseköğretim kurumu (2160), bilimsel araştırmalar (918), yükseköğretim (730), uzaktan eğitim (453), mesleki eğitim (403).

Sıfat + isim yapısındaki birleşik yapılar, sıfat isimle cinsiyet, sayı ve hâl bakımından uyumlu olduğunda GT olarak kabul edilir. Aksi hâlde …

¹⁶ Parantez içinde, bu terimin 4 milyon sözcük hacmindeki E&B derleminde görülme sıklığı belirtilmektedir.

¹⁷ İki sözcüklü terim modellerinde hâller belirtilmez; çünkü sıfatlar ve ortaçlar isimlerle uyum gösterir, isimler ise genellikle tekil yalın hâldedir.

60

Erika Rimkutė

Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

gramatik açıdan hatalı¹⁸ öbekler, örn., üniversitelerin daha yakın, hukukun en önemli, öğrenmenin en önemli, yılın en iyi; ya da öbek dilbilgisi açısından doğru, ancak çoğu kez eksiktir ve eğitim-bilim (EB) terimi değildir, örn., dünyanın en büyüğü, dünyanın en dinamiği, öğrenciler için elverişli.

3) zarf + isim öbeklerinden EB terimi olarak yalnızca 24 tane vardır; yani%5. En sık görülen EB terimleri: bitirme tezi (162), seçmeli ders (109), yetişkin eğitimi¹⁹ (65), geri bildirim (63), uygulamalı araştırmalar (45).

3. Üç sözcüklü terimler. Toplam 119 881 üç sözcüklü GT tespit edilmiştir. Sıklığı derlemde en az 8 olan 2438 öbek ayrıntılı olarak incelenmiştir. 125 EB terimi bulunmuştur; bu, tüm terimlerin%16,03'üdür. En sık görülen EB terimleri: yükseköğretim kurumu (251), mesleki eğitim kurumu (205), devlet destekli kredi (149), genel eğitim okulu (147), mesleki eğitim kurumu (77).

Üç sözcüklü EB terimleri yedi dilbilgisel modele aittir. Üç sözcüklü EB terimleri arasında en yaygın olanlar sıfat. yalın hâl + isim. yalın hâl + isim²⁰ türündeki öbeklerdir (tüm üç sözcüklü terimlerin%48'ini oluştururlar), örn.: yükseköğretim kurumu (251), mesleki eğitim kurumu (205), genel eğitim okulu (147).

Üç sözcüklü EB terimleri sıklık bakımından ikinci sırada isim. yalın hâl + isim. yalın hâl + isim türündeki öbeklerdir (%24,8), örn.: öğrenim alanı yönetmeliği (66), öğrenim alanları tanımı (60), devlet bilim enstitüsü (50).

Sıklık bakımından üçüncü sıradaki yapısal üç sözcüklü EB terimi modeli sıfat. iyelik hâli + sıfat. iyelik hâli + isim (%12), örn.: ulusal kapsamlı program (69), temel bilimsel araştırma (61), ilk mesleki eğitim (52).

Sıklık bakımından sonraki yapısal üç sözcüklü EB terimi modellerine sahip yalnızca birkaç örnek verilebilir: isim. yalın hâl + zarf. iyelik hâli + isim (%4), örn.: devlet destekli kredi (149), devletçe tanınan yeterlilik (33), devlet tarafından finanse edilen öğrenci (21); isim. yalın hâl + sıfat. iyelik hâli + isim (%4), örn.: yabancı yükseköğretim okulu (41), yüksekokul akademik kurulu (32), doktora öğrencisinin danışmanı (20); zarf. iyelik hâli / yalın hâl + isim. yalın hâl + isim (%3,2), örn.: bitirme yeterlilik değerlendirmesi (36), ücretsiz öğrenim yeri (13), uygulama niteliğindeki araştırmalar (13); sıfat. iyelik hâli +

¹⁸ Bu çalışmada dilbilgisi açısından doğru öbekler, bağımlı sözcüklerin baş sözcükle uyumlu olduğu ve öbek bileşenleri arasında açık sözdizimsel ilişkilerin bulunduğu öbekler olarak kabul edilmektedir.

¹⁹ Katılımcılara isimleşmiş ortaçlar da dâhil edilmiştir.

²⁰ Son ismin hâli belirtilmemiştir; çünkü çoğunlukla yalın hâldedir.

Terminologija | 2012 | 19

61

zarf. Y. (veya K., katılımcı adlaşmışsa) + isim. (%2,4), ör.: yarışma amaçlı öğretim dersi (15), yaygın yetişkin eğitimi (13), bilimsel araştırma çalışması (12); zarf. Y. + sıfat. Y. + isim. (%1,6), ör.: uygulamalı bilimsel faaliyet (20), sipariş üzerine yapılan bilimsel araştırmalar (8).

4. Dört sözcüklü terimler. Toplam 77 961 dört sözcüklü BT bulundu; 7’den fazla kez kullanılan öbek sayısı 760’tı. Bunlardan uzman 22 eğitim ve bilim terimi belirledi (bunlar tüm terimlerin%2,82’sini oluşturur). Bu terim grubunda en sık görülen öbekler bilim ve öğrenim kurumu (568), bilim ve teknoloji parkı (62), genel ulusal kapsamlı program (40), işgücü piyasası mesleki eğitimi (40).

Eğitim ve bilim derleminde kullanılan dört sözcüklü terimler dokuz farklı dilbilgisel modele aittir. Dört sözcüklü terim sayısı az olduğundan, her model yalnızca birkaç ya da tek bir örnekle gösterilmektedir. Burada, sıklıklarına göre gruplandırılmış tüm dört sözcüklü eğitim ve bilim terimlerinin yapısal modelleri verilmiş ve her model için onu örnekleyen bir örnek belirtilmiştir:

sıfat. Y. + isim. B. + isim. B. + isim (dört sözcüklü terimlerin%22,7’si): uluslararası bilim veri tabanı (13);

sıfat. Y. + sıfat. B. + isim. B. + isim (%18,2): genel üniversite eğitimi dersi (8);

sıfat. B. + isim. B. + zarf. Y. + isim (%13,6): özel gereksinimleri olan öğrenci (8);

isim. B. + edat + isim. B. + isim (%13,6): bilim ve öğrenim kurumu (568);

sıfat. B. + isim. B. + sıfat. Y. + isim (%9,1): üst düzey bilimsel araştırmalar (18);

zarf. Y. + sıfat. Y. + isim. B. + isim (%9,1): tanınmış uluslararası veri tabanı (11);

sıfat. Y. + sıfat. Y. + sıfat. Y. + isim (%4,5): genel ulusal kapsamlı program (40);

isim. B. + sıfat. B. + isim. B. + isim (%4,5): devlet araştırma kurumu (31);

isim. B. + isim. B. + isim. B. + isim (%4,5): teknoloji bilimleri öğrenim alanı (28);

5. Beş sözcüklü terimler. 49 768 beş sözcüklü BT belirlendi; 5’ten fazla kez kullanılan öbeklerin sayısı 601’di ve bunların 4’ü eğitim ve bilim terimiydi; yani tüm terimlerin%0,51’i. Bu kadar az sayıdaki terimden yapıları hakkında genelleme yapmak güç olduğundan, terimler yapısal olarak sınıflandırılmamıştır. Eğitim ve bilim derleminde kullanılan beş sözcüklü terimlerin tümü: bilimsel araştırma ve deneysel geliştirme (124), bilimsel araştırma ve teknolojik geliştirme (67), bilimsel araştırma ve teknoloji geliştirme (13), üst düzey bilimsel araştırma merkezi (7).

62

Erika Rimkutė

Automatinis švietimo ir mokslo terminų nustatymas lingvistiniais metodais

6. Altı ve yedi sözcüklü terimler. Daha önce belirtildiği gibi, altı ve yedi sözcüklü GT terimleri arasında hiçbir ŞM terimi bulunmamıştır; oysa toplam 30 298 altı sözcüklü GT (bunların 750’si 3’ten fazla kez kullanılan öbeklerden oluşmaktadır) ve 17 815 yedi sözcüklü GT (bunların 2608’i 2’den fazla kez kullanılan öbeklerden oluşmaktadır) tespit edilmiştir.

EĞİTİM VE BİLİM TERİMLERİNİN LİTVANYA CUMHURİYETİ TERİM BANKASINDAKİ TERİMLERLE KARŞILAŞTIRILMASI

ŞM derleminde kullanılan terimler, Litvanya Cumhuriyeti Terim Bankasında yer alan onaylanmış eğitim ve bilim terimleriyle karşılaştırılabilir²¹; bu terimlerin sayısı 74’tür. Bu terimlerin yapısı oldukça çeşitlidir: tek sözcüklü terimlerden 18 sözcükten oluşan öbeklere kadar uzanır. 15 ve 18 sözcükten oluşan çok uzun terimlerden yalnızca birer tane bulunmuştur. Sunulan en uzun terim şudur: çiftçilerin, orman sahiplerinin, yerel eylem grubu üyelerinin, diğer kırsal kesim sakinlerinin ve danışmanlarının yaygın olmayan sürekli mesleki eğitim programı. Program adının bir terim sayılıp sayılmayacağı tartışmaya açıktır.

ŞM derlemi ile Terim Bankasındaki eğitim ve bilim terimlerinin yapıları karşılaştırıldığında, her iki kaynakta da en yaygın terimlerin bir ila üç sözcükten oluştuğu görülmektedir. Ancak Terim Bankasındaki bir ila üç sözcüklü terimler%86,5 oranındayken, ŞM derleminde kullanılan aynı uzunluktaki terimler%97’dir (bkz. Tablo 1). Terim Bankasında dört sözcüklü terimler sunulan derlemdekinden biraz daha fazladır; beş sözcüklü terim kullanılmamıştır. Terim Bankasında 6, 7, 8 ve 9 sözcükten oluşan terimlerden yalnızca bir ya da ikişer tane vardır; 10 sözcükten oluşan terim yoktur, ancak daha önce belirtilen 15 ve 18 sözcükten oluşan terimler yer almaktadır (bkz. Tablo 2).

Terim Bankasında yer alan bazı terimlerin eğitim ve bilim alanına dâhil edilmesi tartışmalıdır; örneğin, Litvan, dünya Litvanları topluluğu, yeniden göç, etnik köken. Elde edilen terim listesinden, eğitim ve bilim alanının bütünüyle kapsanmadığı anlaşılmaktadır; örneğin mesleki eğitim terimi olarak traktör sürücüsü verilmiş, ancak biçerdöver operatörü, aşçı, marangoz vb. terimler yer almamıştır; özellikle bilim politikasını yansıtan terimler eksiktir. Dolayısıyla bu makalede ele alınan araştırma sırasında tespit edilen terimlerin, eğitim ve bilim terminolojisindeki boşluğu en azından bir ölçüde doldurması beklenmektedir.

²¹ Onaylanmış eğitim ve bilim alanı terimlerinin listesi 2010 yılında Litvanya Devlet Dil Komisyonundan alınmıştır. Derlem ve Terim Bankası verileri karşılaştırılırken özellikle bu liste esas alınmıştır.

Terminologija | 2012 | 19

63

Tablo 2. Litvanya Cumhuriyeti Terim Bankasında yer alan eğitim ve bilim terimlerinin uzunluklarına göre dağılımı

Terimleri oluşturan sözcük sayısı

Terim sayısı, adet

Terim sayısı,%

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

Toplam

74

100

TERİMLERİ OTOMATİK BELİRLEME SORUNLARI

Terimleri çeşitli yöntemlerle belirlerken iki temel sorun ortaya çıkar: 1) özellikle başlık biçimi belirlenirken önem kazanan, gramer açısından doğru terimlerin hangi biçimde olduğu; 2) genel ifadelerin ve genel terimlerin, incelenen alanın terimlerinden nasıl ayırt edileceği. Diğer ülkelerdeki araştırmacılar da benzer sorunlarla karşılaşmaktadır (karş. Cabré Castellví et al 2001).

İkinci sorun çoğunlukla ancak otomatik olmayan yöntemlerle çözülebilir; yani alan uzmanı GT'yi gözden geçirerek hangi terimlerin incelenen alana ait olduğunu belirlemelidir. Belirli filtreler de uygulanabilir; başka bir deyişle, incelenemeyecek sözcüklerin (İngilizce stop list) listesi oluşturulabilir ve incelenen alanın terimleri olarak kullanılamayacak sözcükleri elemek için bu liste kullanılabilir. Bu çalışmada da böyle bir filtreleme uygulanmıştır. Birkaç örnek: Son sözcüğü zaman bildiren bir isim olan sözcükler veya sözcük öbekleri EÖ terimi sayılmamıştır.

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

Örneğin: metai, mėnuo, diena, savaitė, rytas, vakaras, sausis, vasaris, pirmadienis, antradienis vb. Ölçü bildiren sözcükler terim sayılmamıştır; örneğin: milimetras, metras, centimetras, kilometras, mylia, gramas, kilogramas, tona.

Genel idari terimlere özgü sözcük öbekleri içeren birleşikler elenebilir; örneğin: 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.

EÖ terimlerini genel terimlerden olabildiğince doğru biçimde otomatik olarak ayırt etmek amacıyla, EÖ derlemiyle aynı büyüklükte, yani 4 milyon sözcükten oluşan iki karşılaştırmalı derlem oluşturulmuştur. Karşılaştırmalı derlemlerden ilki, çeşitli tür ve üsluplardaki metinlerden meydana gelmiştir; yapısı Dabartinės lietuvių kalbos tekstyną (gazetecilik, kurmaca edebiyat, idari yazılar ve bilimsel yazılar içerir) derlemine benzemektedir. İkinci karşılaştırmalı derlem, EÖ alanına ait olmayan idari metinlerden oluşturulmuştur. Bir terim ne kadar genelse genel ve/veya idari derlemde o kadar sık; ne kadar özelse genel ve/veya idari derlemde o kadar seyrek kullanılır varsayımından hareket edilmiştir. Bu hipotez kısmen doğrulanmıştır: örneğin, EÖ alanına özgü judumas, kompetentingumas, nubyrejimas, siekinys terimlerine karşılaştırmalı derlemlerde rastlanmamış; studentas, universitetas, vadovėlis gibi terimler ise hem EÖ derleminde hem karşılaştırmalı derlemlerde sık görülmüştür. Birden fazla derlemi karşılaştırmanın, genel terimleri incelenen alanın terimlerinden en azından kısmen otomatik olarak ayırmaya ne ölçüde yardımcı olabileceğine ilişkin güvenilir veriler sunabilmek için bu araştırma sürdürülmelidir.

Bundan sonra ilk sorun, yani terimlerin (özellikle çok sözcüklü olanların) doğru lemasının otomatik olarak nasıl belirleneceği ve derlemde farklı çekim biçimlerinde kullanılan sözcük ve sözcük öbeklerinin tek bir lemada nasıl birleştirileceği ayrıntılı olarak ele alınacaktır.

Araştırma sonucunda, bir terimin başlık biçimini belirlemenin her zaman kolay olmadığı ortaya çıkmıştır. Örneğin aukštoji mokykla ifadesinin leması otomatik olarak belirlendiğinde aukštas mokykla. sonucu elde edilir. Bu biçim, morfolojik etiketleyicinin sıfatlar için lema olarak karşılaştırma derecesinde olmayan eril tekil yalın hâl biçimini vermesinden kaynaklanır (etiketleyicinin özellikleri hakkında ayrıntılı bilgi için bkz. Zinkevičius 2000). Çok sözcüklü terimlerin lemmaları

Terminologija | 2012 | 19

65

Bunu belirlemek, sözdizimsel analiz programıyla büyük ölçüde kolaylaşır. Ne yazık ki şu ana kadar fiilen çalışan bir sözdizimsel analiz programı yok²². Dolayısıyla lemmalar belirlenirken bazı ek kurallar gerekir: bu durumda, lemma bir isimden oluşuyorsa sıfatın ya da ortaçın söz konusu ismin cinsiyetiyle uyumlu olması; sıfat ya da ortaç belirli biçimdeyse bu kategorinin lemmada da korunması gerektiği belirtilmelidir.

Sayı kategorisiyle ilgili birçok soru ortaya çıkar. Örneğin, öğrenci temsilciliği teriminin ilk bileşeni çoğul biçimde olmalıdır; akademik beceriler, derslik çalışma saatleri terimlerinin tüm bileşenleri çoğul biçimde, fakülte kurulu, üniversite özerkliği, genel kabul, bilimsel yayın terimlerinin ise her iki bileşeni tekil biçimde olmalıdır. Elbette bir insan çoğul biçimin nerede, tekil biçimin nerede gerektiğini kolayca belirleyebilir, ancak bunu otomatik olarak yapmak çok zordur. Gerçekten de derlemde bazı kelimelerin neredeyse her zaman yalnızca çoğul biçimde kullanıldığı görülür (ör. ödenekler, veriler, öğrenim, saraylar, bilgiler, para, görevler).

Bazı kelimelerin eşsesli olması da uygun sayı biçimini belirlemeyi zorlaştırır; örneğin studija (bilimsel eser) ve studijos (öğrenim görme). Bu nedenle aşağıdaki terimlerin lemmaları otomatik olarak yanlış belirlenmiştir: lisans öğrenimi, uzmanlık eğitimi, yüksek lisans öğrenimi, örgün öğrenim, uzaktan öğrenim. Belirtildiği gibi bazı isimler çoğunlukla yalnızca çoğul biçimde kullanılır; oysa sözlükte lemma olarak tekil biçim verilmiştir. Sözlük bilgisinin gerçek kullanımla uyuşmaması, şu terimlerin lemmalarının yanlış belirlenmesine yol açmıştır: öğrenci başarısı, eğitim kaynağı, uygulamalı beceri, fizik bilimi, akademik etkinlik (şöyle olmalıydı: öğrenci başarıları, eğitim kaynakları, uygulamalı beceriler, fizik bilimleri, akademik etkinlikler).

Bir başka sorun da substantiva mobilia isimleridir; örneğin: abiturientas – abiturientė, abonentas – abonentė. Derlemde hem eril hem dişil biçimler kullanılmış olduğundan, her iki cinsiyetin lemmaları da otomatik olarak gösterilmiştir. Bir eğitim ve bilim terimi olarak yalnızca eril lemanın bırakılması için, eril ve dişil substantiva mobilia türündeki isimlerin eril lemmada birleştirilmesini sağlayan bir kural uygulamak gerekmiştir.

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

Lemmalar otomatik olarak belirlenirken bazen yanlış kelime sırası gösterilir; örneğin şu başlık biçimleri verilmiştir: tipų studija (doğrusu studijų tipas olmalı), lygmens kvalifikacija (doğrusu kvalifikacijų lygmuo olmalı).

Lemmalar belirlenirken sözdizimsel analiz uygulanmadığı için, niteleyiciler her zaman niteledikleri kelimeyle uyumlu değildir; örneğin uluslararası (= uluslararası düzeydeki) bilim; ayrıca başka sözdizimi bozuklukları da ortaya çıkar, örneğin: kredilerin yaşam giderleri (= yaşam giderleri kredisi).

Terim sınırlarını belirlerken de güçlükler ortaya çıkar; örneğin, öğretim elemanlarının ve bilim insanlarının nitelik ve yeterliliklerinin uygunluğu tek bir terim midir, yoksa burada birkaç terimi mi ayırt etmek gerekir:

1) öğretim elemanlarının nitelik ve yeterliliklerinin uygunluğu,

2) bilim insanlarının nitelik ve yeterliliklerinin uygunluğu,

3) öğretim elemanları ile bilim insanlarının niteliklerinin uygunluğu,

4) öğretim elemanları ile bilim insanlarının yeterliliklerinin uygunluğu,

5) öğretim elemanlarının niteliği,

6) bilim insanlarının niteliği,

7) öğretim elemanlarının yeterliliği,

8) öğretmenlerin yeterliliği,

9) niteliklerin uygunluğu,

10) yeterlilikle uyum.

Lemler belirlenirken ve genel olarak terimler tanınırken, morfolojik etiketleyicinin özelliklerinden kaynaklanan güçlükler de ortaya çıkar; birden fazla olası sözcük türü veya dilbilgisel biçim arasından uygunsuz olanı belirleyebilir. Örneğin, bir sıfat yanındaki isimle cinsiyet, hâl ve sayı bakımından uyumluysa, bu öbeğin dilbilgisi bakımından doğru olma olasılığı yüksektir. İlk bileşeni tamlayan hâlinde olmayan iki isimden oluşan öbekler her zaman dilbilgisi bakımından doğru değildir. Bunları daha dikkatli incelemek, dolayısıyla daha fazla zaman harcamak gerekir. Demek ki belirtilen sözcük türüne bağlı olarak öbeğin GT'ler arasına girip girmeyeceği ve dilbilgisi bakımından doğru olup olmadığı belirlenir. Bu hata türünü gösteren birkaç örnek: metinėms (sıfat veya isim olabilir; morfolojik etiketleyici isim olarak belirlemiştir) ataskaitoms; keliais (zamir veya isim olabilir; isim seçilmiştir) procentais; bendrais (sıfat veya isim olabilir; isim seçilmiştir) teiginiais; uždarus (sıfat veya isim olabilir; isim seçilmiştir) posėdžius.

Sözcük türünün uygun olmayan biçimde belirtilmesi ve sözcüklerin sözdizimsel olarak çözümlenmemesi nedeniyle, morfolojik olarak etiketlenmiş derlemde bulunan žemiausias balas öbeği ilk bakışta dilbilgisi bakımından yanlış görünür, çünkü

Terminologija | 2012 | 19

67

ilk sözcük için şu etiketler belirtilmiştir: sıfat, üstünlük derecesi, iyelik olmayan biçim, eril, tekil, yalın hâl; ikinci sözcük içinse: isim, dişil, çoğul, belirtme hâli; lema olarak da bala belirtilmiştir. Dolayısıyla bu durumda ismin lemasının yanlış belirlendiği görülmektedir; balas olmalıdır. Demek ki daha önce anılan öbek dilbilgisi bakımından doğrudur.

Bu bölümde, eğitim ve bilim terimleri otomatik olarak belirlenirken en sık karşılaşılan güçlükler ele alınmıştır. Bu sorunlar ve çözüm yolları başka çalışmalarda ele alınacaktır.

SONUÇLAR

Otomatik terim belirleme programı ve yönteminin hâlâ geliştirilmesi gerekmektedir. Bununla birlikte ilk sonuçlar oldukça iyi değerlendirilebilir. Sunulan örneklerden görüldüğü üzere otomatik çözümleme, yalnızca özgül ve teknik sorunları değil, sayı kategorisinin seçimi gibi terminologların da karşılaştığı sorunları ortaya çıkarmaktadır.

Morfolojik etiketleyici iyileştirilip otomatik sözdizimi çözümleme programı uygulandığında, terimler otomatik olarak daha kolay ve güvenilir biçimde belirlenebilir.

Karşılaşılan güçlükler ne olursa olsun, terimleri otomatik olarak belirleyen program GT belirleme sürecini büyük ölçüde hızlandırmaktadır. Otomatik terim belirleme sürecinin bir diğer önemli avantajı, veri analizinin nesnelliğidir.

Otomatik olarak seçilip incelenen eğitim ve bilim terimlerinin%97'sinin uzunluğunun 1–3 sözcük olduğu belirlenmiştir. En büyük grubu iki sözcüklü terimler oluşturmakta; bunlar tüm terimlerin yaklaşık%61'ine karşılık gelmektedir.

Eğitim ve bilim terimlerinde en sık görülen yapısal modeller şunlardır: isim, yalın hâl + isim; sıfat + isim; sıfat, yalın hâl + isim, yalın hâl + isim; isim, yalın hâl + isim, yalın hâl + isim (son ismin farklı hâlleri olabilir).

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