Improving Compatibility of Terminological Collections with a Bridging Classification of Data Categories

Améliorer la compatibilité des collections terminologiques au moyen d’une classification passerelle des catégories de données IGOR KUDASHEV University of Helsinki I N T R O D U C T I O N Malgré l’existence d’un ensemble normalisé de catégories de données (ISO 12620:1999) et de méthodes normalisées de travail terminologique (ISO 704:2000), il reste difficile de trouver deux bases de données terminologiques créées par deux organisations différentes qui pourraient être facilement fusionnées sans perte de données ni déformation des principes initiaux de constitution de chacune des bases. Les raisons les plus évidentes sont les suivantes: les langues et les traditions nationales diffèrent; les domaines de LSP diffèrent; les parcours et les approches des compilateurs diffèrent; les solutions techniques diffèrent. Dans le même temps, l’une des tendances en matière de gestion des ressources terminologiques et d’autres types de données consiste à agréger des ressources dispersées au sein de portails ou de services plus vastes, généralement sans les fusionner physiquement. Le portail EuroTermBank en est un exemple (http://www.eurotermbank.com) qui permet d’effectuer des recherches dans plusieurs bases de données terminologiques internes et externes et de compiler les résultats. À mesure que les besoins des utilisateurs et les volumes de données augmentent, il devient nécessaire de proposer une recherche avancée couvrant tous les champs de l’entrée, et pas seulement les vedettes, ainsi que d’adapter les entrées aux préférences des utilisateurs. Dans cet article, nous proposons une classification des catégories de données pouvant servir de passerelle entre les collections terminologiques. Cette classification répond aux problèmes suivants, liés à la gestion de collections terminologiques dotées d’ensembles différents de catégories de données: l’agrégation et la fusion de ressources terminologiques; l’organisation de recherches couvrant tous les champs des entrées; l’adaptation des entrées issues de plusieurs collections en fonction des préférences des utilisateurs. 36 Igor Kudashev | Improving Compatibility of Terminological... Une base de données terminologique peut contenir différents types de données en plus des données terminologiques proprement dites, telles que des informations sur les sources, les utilisateurs et les opérations de gestion terminologique. Dans cet article, nous nous intéressons à la classification des catégories de données liées à la description des expressions de LSP. QU’EST-CE QU’UNE CATÉGORIE DE DONNÉES? Différents types de données sont placés dans différents champs des bases de données terminologiques. Une catégorie de données résulte de la spécification d’un champ de données donné (ISO 1087-2:2000: 13). Les terminologues ont recours à différentes métaphores pour expliquer le concept de catégorie de données. L’une d’elles est celle d’une armoire dont les différents tiroirs servent à ranger différents types de vêtements. Une autre est celle d’un panier à provisions où chaque type de marchandise est emballé dans son propre paquet afin que les produits ne se mélangent pas. DÉCALAGES COURANTS ENTRE LES CATÉGORIES DE DONNÉES Les catégories de données résultent de la classification des données. Les données peuvent être classées de nombreuses façons différentes, selon les points de vue de la personne qui les classe et les besoins des utilisateurs. En reprenant la métaphore de l’armoire, on peut dire que les différentes armoires comportent un nombre différent de tiroirs, lesquels peuvent avoir des formes, des dimensions, etc. différentes. Au moins six types de décalages sont possibles entre les catégories de données dans les bases de données terminologiques: - décalage entre les noms des catégories de données; - décalage entre les « tailles » des catégories de données, c’est-à-dire une « granularité » différente; - décalage entre les « emplacements » des catégories de données, c’est-à-dire leur position dans le schéma de classification; - décalage entre les principes de classification (chevauchement); - décalage entre les contenus des catégories de données; - cas mixtes. Voici quelques exemples illustrant certains décalages courants. Cas 1: les catégories de données portent des noms différents. Exemple: dans une base de données, la catégorie de données est appelée note, dans une autre, comment, dans une troisième, remark et dans une quatrième, NB. Terminologija | 2009 | 16 37 Cas 2: le nom d’une catégorie de données est employé dans des sens différents. Exemple: la catégorie de données synonyme peut correspondre à « synonyme absolu », « quasi-synonyme » ou « synonyme absolu ou quasi-synonyme ». Cas 3: les noms des catégories de données sont des « faux amis ». Exemple: l’anglais abbreviation et acronym tels qu’ils sont définis dans la norme ISO (ISO 12620:1999: 6–7), ainsi que les termes russes аббревиатура et акроним se correspondent de manière croisée (Kudashev & Hajutin 2003: 104–105). Cas 4: le degré de granularité des catégories de données diffère. Exemple: la catégorie de données forme abrégée du terme est subdivisée en cinq sous-catégories (abréviation, forme courte du terme, sigle, acronyme et terme tronqué) dans ISO 12620:1999, mais aucune subdivision de ce type ne figure dans ISO 12616:2002 (« Terminologie orientée vers la traduction »). Cas 5: chevauchement des catégories de données. Exemple: les catégories de données exemple et contexte se chevauchent. Certains exemples sont des contextes et certains contextes peuvent servir d’exemples, mais les deux catégories ne sont pas identiques. Cas 6: la même catégorie de données est rattachée à différentes catégories plus générales. Exemple: dans ISO 12620:1999, la catégorie de données contexte est considérée comme une donnée liée au concept, apparemment parce que les contextes peuvent fournir des informations supplémentaires sur le concept. Cependant, les contextes ont plus couramment pour fonction de renseigner sur l’usage des termes et leurs cooccurrences; ainsi, « de nombreuses bases de données classent contexte parmi les catégories liées aux termes » (ISO 12620:1999: 25). Cas 7: la langue, le système de signes ou la notation des données diffèrent. Exemple: la partie du discours peut être codée comme noun dans une base de données, n. dans une autre, subst. dans une troisième et par un symbole graphique dans une quatrième. Cas 8: des valeurs identiques ou similaires des catégories de données sont employées avec des sens et dans des relations différents. Exemple: dans ISO 12620:1999, la valeur néologisme de la catégorie de données provenance du terme évoque une étiquette chronologique, alors qu’elle renvoie en réalité à la méthodologie employée pour créer le terme. 38 Igor Kudashev | Improving Compatibility of Terminological... Cas 9: les valeurs des classes semi-fermées diffèrent en raison de la classification différente des phénomènes linguistiques selon les langues et les traditions. Exemple: dans la norme ISO 12620:1999, les étiquettes servant à décrire les expressions LSP appartenant au « registre inférieur » comprennent registre argotique et registre vulgaire. Elles correspondent approximativement aux étiquettes профессиональный жаргонизм (argot professionnel) et профессиональное просторечие (langage familier professionnel) en russe. En finnois, en revanche, il n’existe qu’une seule catégorie, ammattislangi (argot professionnel; voir Sanastotyön käsikirja 1989: 12). Il convient également de noter que certaines données peuvent être exprimées implicitement dans les collections terminologiques. Exemple 1: la présence de l’étiquette obsolète dans certains cas et son absence dans d’autres au sein d’une collection terminologique implique que les termes qui ne portent pas cette étiquette appartiennent au fonds actif de la LSP. Exemple 2: si deux termes ou plus sont placés dans la même entrée, cela implique généralement qu’ils sont synonymes ou équivalents. L’échange ou l’agrégation de ressources terminologiques peut nécessiter que ces données implicites soient rendues explicites. Par exemple, si les données sont stockées sous forme d’ontologie plutôt que dans des entrées statiques, les informations implicites sur les synonymes et les équivalents mentionnées ci-dessus doivent être explicitées et enregistrées lors du « démantèlement » des entrées. INVENTAIRES ET CLASSIFICATIONS ISO DES CATÉGORIES DE DONNÉES ISO 12620:1999 spécifie un ensemble de catégories de données permettant d’enregistrer des informations terminologiques. Elle ne prescrit pas les catégories de données à utiliser, mais sert plutôt d’inventaire. Cet ensemble de catégories de données est élargi dans le cadre du projet ISOcat (www.isocat.org), qui documente les catégories de données linguistiques largement acceptées. Bien que le projet ISOcat soit indéniablement utile aux linguistes, qui ont ainsi la possibilité de mieux catégoriser et définir les concepts linguistiques, ainsi qu’aux concepteurs de banques de termes, qui peuvent choisir des catégories de données prêtes à l’emploi dans un vaste inventaire, il est peu probable qu’il apporte une solution au problème de l’échange et de l’agrégation des données, ainsi que de la recherche dans des entrées complètes au sein de plusieurs bases de données. Premièrement, il ne peut empêcher les compilateurs de produits terminologiques de Terminologija | 2009 | 16 39 classer les données d’une manière différente et utiliser leurs propres catégories de données. Deuxièmement, plus les collections terminologiques utilisent de catégories de données, plus elles se diversifient, ce qui rend l’échange de données encore plus difficile. En théorie, la liste des catégories de données est infinie et, dans la pratique, elle est très vaste. Par exemple, la liste des catégories de données liées à la terminologie dans l’inventaire ISOcat dépasse déjà 500 éléments. L’une des pratiques utilisées dans le projet ISOcat peut multiplier ce nombre. Nous entendons par là la présentation des valeurs de classes fermées et semi-fermées sous forme de catégories de données distinctes. Par exemple, les valeurs de la catégorie de données register, telles que vulgarRegister, slangRegister, etc., sont désormais présentées comme des catégories de données à part entière. De même, la catégorie de données reliabilityCode est subdivisée en reliabilityCode1, reliabilityCode2, etc. Les avis peuvent diverger quant au bien-fondé de cette démarche du point de vue pratique, mais les données peuvent être organisées de nombreuses façons différentes; il n’existe donc aucune restriction formelle empêchant de subdiviser les catégories de données jusqu’à atteindre des classes primitives ne pouvant accepter que les valeurs yes et no. Il est toutefois évident que cet ensemble de catégories de données doit être structuré et classifié de manière adéquate pour rester gérable et bien organisé. Entre-temps, la classification des catégories de données proposée dans ISO 12620:1999 pose problème à plusieurs égards. Pour commencer, certaines incohérences concernent la division principale des données. Selon la section 6.2 (Typologie des catégories de données), les catégories de données sont réparties en trois grands groupes: les termes et les informations relatives aux termes, les données descriptives et les données administratives. Cependant, dans l’Annexe D (Liste systématique des catégories de données), le deuxième groupe est appelé Catégories de données liées à la description des concepts. En même temps, ce groupe contient le sous-groupe Note, qui « constitue un cas à part, car il peut être associé à n’importe laquelle des autres catégories et ne peut donc être subordonné à aucun autre sous-groupe spécifique » (ISO 12620:1999: 4). Si l’on suppose que la division prévue comportait quatre groupes — les termes et les informations relatives aux termes, les informations liées aux concepts, les données administratives et les Notes —, cette classification soulève encore de nombreuses questions. En voici quelques-unes: - Pourquoi les exemples et les contextes sont-ils des données liées aux concepts et non des données liées aux termes? Cf. la description de la catégorie de données contexte: « Texte ou partie d’un texte dans lequel apparaît un terme » (ISO 12620:1999: 25). - Pourquoi les synonymes et l’équivalence relèvent-ils des données liées aux termes, alors que tout le reste de ce qui concerne le sens relève des données liées aux concepts? Cf. la description de la catégorie de données degré d’équivalence: « Degré de recouvrement des intensions de deux concepts ou plus » (ISO 12620:1999: 21). 40 Igor Kudashev | Improving Compatibility of Terminological... Pourquoi l’antonymie et l’homographie relèvent-elles des données administratives et non des données liées aux termes ou aux concepts? Pourquoi l’audio, la vidéo, etc., sont-ils (uniquement) des données liées aux concepts? Quelle est la définition exacte des données administratives? Pourquoi cette classe comprend-elle des catégories aussi hétérogènes? La division des données terminologiques en données liées aux concepts et données liées aux termes peut être utile d’un point de vue technique, car elle favorise l’approche axée sur les concepts, qui réduit le nombre de relations entre les termes en reliant les termes synonymes à un même concept. Cependant, une telle division en général, et sa mise en œuvre dans ISO 12620:1999 en particulier, peuvent poser des difficultés aux utilisateurs ordinaires des bases de données terminologiques — traducteurs et experts du domaine. En effet, il n’est pas facile de comprendre pourquoi les synonymes devraient être recherchés parmi les données liées aux termes, mais les antonymes parmi les données administratives, et les exemples parmi les données liées aux concepts. Les utilisateurs ordinaires travaillent avec des termes — des mots et des groupes de mots —; il leur est donc plus naturel de parler du sens d’un terme, des synonymes d’un terme, d’exemples d’emploi d’un terme, etc. Cela implique que la classification des catégories de données destinée à permettre une recherche dans l’ensemble des entrées de plusieurs collections devrait être axée sur les termes, intuitive et fondée sur les catégories linguistiques courantes. RÉSOUDRE LES INCOMPATIBILITÉS ENTRE LES CATÉGORIES DE DONNÉES Le problème des incompatibilités entre les catégories de données peut être résolu à l’aide d’un mappage. Si les incompatibilités sont nominales, par exemple si les noms des catégories de données diffèrent ou si les mêmes contenus sont présentés différemment, un mappage direct entre les catégories de données peut être utilisé. Une fois le mappage direct appliqué, les données de la ressource agrégée peuvent être recherchées avec la même précision que dans les bases de données d’origine. Des différences plus importantes entre les catégories de données nécessitent de trouver un dénominateur commun au moyen du mappage entre les classifications des ensembles de catégories de données. Le recours à un dénominateur commun réduit quelque peu la précision de la recherche, mais c’est le seul moyen de proposer une recherche commune dans des ressources terminologiques de structures différentes. Si l’utilisateur n’est pas prêt à sacrifier la précision de la recherche, il doit effectuer une recherche distincte dans chaque collection. Comme pour l’échange de données en général, le recours à un format intermédiaire, c’est-à-dire à une classification passerelle des catégories de données, est plus efficace à long Terminologija | 2009 | 16 41 terme que la multiplication des mappages entre différentes classifications. Les principes généraux de la classification des catégories de données destinée à servir d’interface commune entre d’autres classifications sont les suivants: 1. Puisque les classes de la classification sont censées servir de dénominateurs communs, elles doivent se situer à un niveau d’abstraction supérieur à celui de la plupart des catégories de données « primitives », qui ne sont pas subdivisées davantage. En même temps, le niveau d’abstraction ne doit pas être trop élevé, car les utilisateurs ne seraient pas intéressés par une classification trop générale. En pratique, une classification comportant deux niveaux d’abstraction suffit. 2. La classification doit couvrir tous les types d’expressions LSP généralement décrits dans les bases de données terminologiques, notamment les éléments de termes, les noms propres, la nomenclature, les expressions figées, etc. 3. La classification ne doit contenir que les catégories de données directement liées à la description des expressions LSP. La description des aspects techniques et administratifs (par exemple le support, les codages, les sources, la fiabilité, etc.) relève d’une autre tâche. 4. La classification doit être hiérarchique, mais plusieurs principes de division doivent pouvoir être appliqués au même niveau d’abstraction. 5. La classification doit être extensible, c’est-à-dire qu’elle doit comporter une catégorie « autre » à chaque niveau de la hiérarchie. Ces principes doivent être conciliés avec l’exigence de convivialité mentionnée plus haut. À notre avis, une classification fondée sur les fonctions linguistiques des données est particulièrement prometteuse à cet égard. Dans la classification passerelle fondée sur les fonctions linguistiques, l’accent est déplacé des noms des catégories de données vers la ou les fonctions des données qu’elles contiennent. On peut établir ici une comparaison avec une bibliothèque dotée d’un catalogue alphabétique et d’un catalogue thématique. La recherche par nom de catégorie de données s’apparente à une recherche à l’aide d’un catalogue alphabétique. Le titre donne une indication sur le contenu du livre, mais il peut parfois induire en erreur. En outre, les utilisateurs ne peuvent pas deviner tous les titres possibles correspondant à un sujet donné. Le catalogue alphabétique est utile lorsque les utilisateurs savent exactement quel(s) élément(s) ils souhaitent trouver. Cependant, la plupart des usagers des bibliothèques commencent leur recherche par le catalogue thématique, car ils ne savent pas à l’avance quels ouvrages traitent le sujet qui les intéresse. Le portail terminologique qui agrège plusieurs collections terminologiques- 42 Igor Kudashev | Improving Compatibility of Terminological... …tions avec différents ensembles de catégories de données posent aux utilisateurs le même problème que le domaine des livres sur les rayons d’une bibliothèque. Les utilisateurs savent quel type d’information les intéresse (grammaire, sens, usage, etc.), mais ne savent pas nécessairement dans quelles catégories de données cette information peut se trouver. Dans différentes collections terminologiques, des types de données similaires peuvent figurer dans des champs de données différents. Par exemple, l’information sur le statut aréal d’une expression LSP peut se trouver dans des champs tels que usage, étiquette régionale, symbole linguistique, etc. Si la recherche est fondée sur les fonctions linguistiques des données, les utilisateurs n’ont pas besoin de se soucier des noms exacts des catégories de données. Ils indiquent simplement qu’ils recherchent des informations sur le statut aréal, le sens ou les synonymes, et le système de gestion terminologique repère et affiche des entrées complètes ou abrégées dans différentes bases de données contenant le type d’information spécifié. La recherche par fonction peut et devrait être complétée par une recherche par nom de champ, pour les utilisateurs qui savent exactement dans quels champs ils souhaitent effectuer leur recherche. Les champs de données, comme les ouvrages d’une bibliothèque, peuvent contenir différents types d’informations linguistiques. Par exemple, exemple est un champ multifonctionnel typique, qui peut contenir des informations sur la forme, le sens et l’usage d’un terme, dans des proportions variables. Chaque catégorie de données peut être décrite comme ayant une ou plusieurs fonctions. Il devrait également être possible de préciser dans quelle mesure une catégorie de données donnée reflète certaines fonctions. Cette caractéristique peut être exprimée verbalement (p. ex. fonction primaire et secondaire) ou numériquement (p. ex. 0–100%). La manière la plus simple d’établir la correspondance entre un ensemble donné de catégories de données et la classification intermédiaire consiste à considérer comme uniformes les contenus des champs de données d’un type donné et à dresser un simple tableau de correspondance. Une correspondance plus précise, mais aussi plus complexe, permettrait aux compilateurs de spécifier les écarts de champs de données individuels par rapport aux valeurs utilisées dans le tableau global de correspondance. Par exemple, les contextes fournissent généralement des informations sur l’usage et le sens du terme. Il est raisonnable d’inclure ces types d’informations dans le tableau global de correspondance, puisqu’ils concernent tous les champs de contexte. Cependant, certains contextes peuvent également contenir des informations encyclopédiques. Cet usage occasionnel d’informations encyclopédiques peut être indiqué localement, au niveau du champ. Terminologija | 2009 | 16 43 CLASSIFICATION DES CATÉGORIES DE DONNÉES FONDÉE SUR LES FONCTIONS LINGUISTIQUES DES DONNÉES Puisque les expressions LSP sont des signes linguistiques, les informations les concernant peuvent être réparties en informations sur leur forme, leur sens, leur usage, leurs relations avec d’autres unités, leur origine et leur évolution. Chacune de ces classes est décrite en détail ci-dessous, avec quelques exemples des données qui en relèvent. Veuillez consulter Appendix 1 pour la version condensée de la classification. Données relatives à la forme Les expressions LSP ont deux formes: écrite et orale. En outre, les données relatives à la forme d’une expression LSP peuvent être subdivisées en trois classes: - données relatives à la forme canonique; - données relatives à la formation de l’unité; - données relatives à la flexion de l’unité. DONNÉES RELATIVES À LA FORME CANONIQUE La forme canonique est la forme sous laquelle la vedette est indiquée dans la base de données. Elle sert de « représentante » des autres formes. Par exemple, dans la plupart des langues européennes, la forme canonique des noms est le nominatif singulier et celle des verbes l’infinitif présent. Toutefois, les règles de choix de la forme canonique varient selon les langues et les traditions lexicographiques. Voici quelques exemples de données relatives à la forme canonique écrite: - type d’expression selon sa forme écrite (p. ex. forme développée, forme abrégée, symbole, formule, etc.); - orthographe de la forme; - variantes orthographiques de la forme; - coupure des mots. Exemples de données relatives à la forme canonique orale: - type d’expression selon sa forme orale (p. ex. sigle alphabétique, acronyme); - prononciation; - variantes de prononciation de la forme; - syllabation. Comme on peut le constater, certaines catégories de données peuvent concerner à la fois les formes écrites et orales. Par exemple, préciser qu’une expression donnée est un sigle alphabétique, c’est-à-dire une forme abrégée constituée des lettres initiales du terme complet, dans laquelle ces lettres sont prononcées individuellement (p. ex. United Nations – UN), fournit des informations sur les formes écrites et orales. En outre, cela peut 44 Igor Kudashev | Improving Compatibility of Terminological... on peut dire qu’elles fournissent des informations sur la formation, l’origine et le développement des termes. DONNÉES RELATIVES À LA FORMATION DES TERMES Exemples de données relatives à la formation des expressions de langue de spécialité: - composants et éléments des termes; - structure morphémique; - modèle syntaxique; - modèle de formation des termes; - méthode(s) de formation des termes; - variantes morphologiques; - dérivés. DONNÉES RELATIVES À L’INFLEXION Exemples de données relatives à l’inflexion des expressions de LSP: - paramètres grammaticaux (nombre, genre, animacité, etc.); - paradigme complet ou partiel des formes; - modèles d’inflexion, de conjugaison, etc. Données relatives au sens Cette partie de la classification commence par une catégorie plutôt marginale afin de rester cohérente avec les autres sections. Les expressions de LSP peuvent être réparties en plusieurs classes selon la mesure dans laquelle leur forme interne reflète leur sens. Par exemple, une expression figée constitue une unité dont le sens ne peut être déduit du sens combiné des mots qui composent l’expression. En outre, les données relatives au sens des expressions de LSP peuvent être réparties en deux grandes catégories. La première est le sens logique – la description du concept logique désigné par une expression de LSP. Ce type d’information est généralement fourni dans les définitions terminologiques et les descriptions de type définitionnel. La seconde catégorie comprend des composantes du sens assez hétérogènes, que l’on peut appeler sens induit. Ces composantes comprennent, par exemple: - différentes connotations, c’est-à-dire des composantes évaluatives du sens; - la forme interne de l’expression (son sens « littéral », morpheme par morpheme); Terminologija | 2009 | 16 45 – d’autres significations en LSP ou en LGP de la même expression; – des composantes de sens résultant des relations antonymiques, synonymiques, paronymiques et autres relations systématiques de l’expression; – différents types d’associations; – des composantes de sens résultant de la consonance, des rimes, etc. Nous appelons ces composantes de sens « induites », car elles résultent de l’attitude des usagers de la langue à l’égard des objets désignés par les expressions LSP, des associations des usagers ou des relations entre une expression LSP et d’autres unités linguistiques. En ce sens, les usagers de la langue, d’autres unités linguistiques ou les deux « induisent » des composantes de sens supplémentaires dans l’expression LSP. Pour plus d’informations sur la présentation du sens induit dans les dictionnaires LSP, voir (Kudashev 2006; Kudashev 2007: 254–258). Les composantes induites sont bienvenues, et même cultivées délibérément, lorsqu’elles créent des associations et des connotations positives ou permettent aux usagers d’exprimer leur attitude à l’égard du sujet dans une communication informelle. Cependant, dans la plupart des cas, elles ne font que détourner l’attention des usagers du sens logique, censé être au cœur de la communication LSP. C’est probablement l’une des raisons pour lesquelles les composantes du sens induit ont été largement négligées dans la théorie de la terminologie. Toutefois, les prendre en considération est une condition préalable importante à une dénomination terminologique réussie et à une communication LSP efficace. Données relatives à la description encyclopédique La description encyclopédique fournit des informations sur les objets désignés par les expressions LSP, et, dans la plupart des cas, ces informations sont extralinguistiques. Cependant, il n’est parfois pas facile de tracer la frontière entre la description du concept et celle de l’objet désigné par une expression LSP. De nombreuses bases de données terminologiques contiennent déjà des informations qui relèvent de la description encyclopédique, et la part de ces informations devrait croître à l’avenir, à mesure que les différents types d’ouvrages de référence tendent à se rapprocher (cf. Hartmann 2001: 5). Pour reconnaître ce fait, nous avons décidé d’inclure la description encyclopédique dans la classification des catégories de données liées à la description des expressions LSP. Données relatives à l’usage Les informations relatives à l’usage semblent être le type d’information le plus demandé 46 Igor Kudashev | Improving Compatibility of Terminological... terminological data (Kudashev 2007: 207). It can be subdivided into two big categories: - restrictions d’usage; - fréquence d’utilisation. DONNÉES RELATIVES AUX RESTRICTIONS D’USAGE L’usage de toute expression spécialisée (LSP) est limité à au moins une langue nationale, un domaine et une période chronologique. En outre, cet usage peut être limité à une zone géographique, un groupe professionnel, une organisation, un registre, etc. Voici la liste des restrictions d’usage les plus fréquentes, accompagnées de quelques exemples entre parenthèses: - langue nationale (en, fi, ru); - domaine et sous-domaine (physique – physique atomique – physique des hautes énergies); - école scientifique/théorie (physique de Newton, physique d’Einstein; structuralisme danois en linguistique); - restriction chronologique (terme désuet, néologisme, utilisé pendant la Seconde Guerre mondiale); - restriction géographique (en-US, en-GB, expression dialectale); - restriction organisationnelle (terme utilisé chez/par Nokia, Microsoft, UN, WHO); - restriction liée à la propriété (marque déposée, nom commercial); - restrictions de registre (terme officiel, terme informel, argot professionnel); - restrictions liées au groupe professionnel (médecins, infirmiers, assistants médicaux); - restrictions combinatoires (mener/effectuer/réaliser/lancer une enquête); - restrictions de conformité (terme normalisé, privilégié, recommandé ou non recommandé). Les deux derniers types de restrictions doivent probablement être commentés plus en détail. Données relatives aux restrictions combinatoires La capacité combinatoire est l’aptitude des unités linguistiques à former des unités plus grandes. Elle peut être sémantique, lexicale ou syntaxique. La capacité combinatoire sémantique suppose que les expressions ne comportent pas d’éléments controversés dans leur signification. La capacité combinatoire lexicale se manifeste par l’aptitude des expressions à se combiner avec certains autres moyens lexicaux. La capacité combinatoire syntaxique est l’aptitude d’une expres- Terminologija | 2009 | 16 47 sion à se combiner avec certaines formes grammaticales d’autres expressions et avec des mots auxiliaires. Les restrictions combinatoires sont généralement décrites à l’aide de modèles syntaxiques, d’exemples et de contextes. Données relatives aux restrictions de conformité Les produits terminologiques ont tendance à être plus ou moins prescriptifs par nature. Cette normativité peut aller des recommandations des compilateurs ou des experts du domaine qu’ils ont consultés jusqu’à une approbation normative. Dans tous les cas, il s’agit de savoir si une expression de langue de spécialité est conforme à un style « bon » ou « correct » (du point de vue des compilateurs) et, dans le cas des normes, également à un document normatif. DONNÉES RELATIVES À LA FRÉQUENCE D’UTILISATION Les informations sur la fréquence d’utilisation peuvent s’appuyer sur des données de corpus et être exprimées numériquement, ou prendre la forme d’une estimation plus ou moins subjective formulée verbalement (par exemple: couramment utilisé – peu fréquemment utilisé – rarement utilisé). Données relatives aux relations systématiques Par relations systématiques, nous entendons les relations ontologiques (relations contenant des connaissances sur le monde), les relations lexicales systématiques et les relations d’équivalence interlinguistique. Voici des exemples des relations systématiques les plus courantes: – relations de synonymie; – relations d’antonymie; – relations d’homonymie; – relations de paronymie; – relations génériques; – relations partie-tout; – relations ontologiques non hiérarchiques (associatives, séquentielles, temporelles, causales, etc.); – relations d’équivalence (interlinguistique). Les relations relevant de la formation des mots, de l’inflexion et des possibilités combinatoires des expressions n’appartiennent pas à cette catégorie, car il ne s’agit pas de relations lexicales systématiques lexical. Données relatives à l’origine et au développement Ce type de données est proche des données étymologiques, sans toutefois s’y limiter. Il peut inclure, par exemple: 48 Igor Kudashev | Improving Compatibility of Terminological... - des informations sur les formes dont une expression de LSP donnée est censée provenir; - des informations sur les étapes du développement d’une expression de LSP donnée; - des informations sur les formes, les significations, les usages antérieurs, etc., d’une expression de LSP donnée. CONCLUSIONS Dans cet article, nous avons examiné les principes de classification des données visant à établir une correspondance entre les incompatibilités structurelles des catégories de données dans différentes collections terminologiques. Les applications prévues de cette classification comprennent l’agrégation et la fusion de données terminologiques, l’organisation de la recherche dans les entrées complètes au sein de plusieurs collections terminologiques et l’adaptation des entrées en fonction des préférences des utilisateurs. Ces deux dernières tâches exigent que la classification soit relativement simple et intuitivement claire pour les utilisateurs ordinaires de produits terminologiques. Une classification fondée sur les fonctions linguistiques des données semble être l’une des meilleures options à cet égard. La recherche fondée sur les fonctions linguistiques des données complète efficacement la recherche par nom de catégorie de données et remplit la même fonction qu’un répertoire thématique dans une bibliothèque. Dans cet article, nous nous sommes concentrés sur la classification des données relatives à la description des expressions de LSP, puisqu’il s’agit du type de données le plus important présenté dans les bases de données terminologiques. Les classifications d’autres types de données, telles que les informations sur les sources, les utilisateurs et les transactions de gestion terminologique, seront disponibles dans les spécifications du projet ContentFactory, qui vise à concevoir une plateforme fondée sur une ontologie pour le travail terminologique collaboratif distribué. Le projet s’achève en 2010 et une grande partie de sa documentation interne sera rendue publique. BIBLIOGRAPHY Hartmann R. R. K. 2001: Teaching and Researching Lexicography. New York: Longman. ISO 1087-2:2000 Terminology Work – Vocabulary. Part 2: Computer Applications. ISO 12616:2002 Translation-Oriented Terminography. ISO 12620:1999 Computer Applications in Terminology – Data Categories. ISO 704:2000 Terminology Work – Principles and Methods. Kudashev I. 2006: Additional Meaning Components of Terms and their Treatment in LSP Dictionaries. – Lehtinen, Esa – Niemelä, Nina (toim.) Erikoiskielet ja käännösteoria. VAKKI-symposiumi XXVI. Vaasa 11.–12.2.2006. Vaasa: Vaasan yliopisto, 143–149. Кудашев И. С. 2007: Проектирование переводческих словарей специальной лексики. Хельсинки: Yliopistopaino. Terminologija | 2009 | 16 49 Кудашев И. С., Хаютин А. Д. 2003: К вопросу о формах терминоэлементов и терминов. – Лексикология. Терминоведение. Стилистика: Сборник научных трудов, Москва, Рязань, 101–107. Sanastotyön käsikirja 1989: Sanastotyön käsikirja. Soveltavan terminologian periaatteet ja työmenetelmät / Toimittanut Tekniikan sanastokeskus. Helsinki: Suomen Standardoimisliitto. APPENDIX 1. CLASSIFICATION OF TERMINOLOGICAL DATA BASED ON ITS LINGUISTIC FUNCTIONS Values in angle brackets are candidates for the formal representation of the categories. These values are used in Appendix 2 for the sake of brevity. 1. Data related to form. <termForm> 1.1. Type of LSP expression by its form. <termForm: termType> 1.2.1. Data related to written form. <termForm: writtenForm> 1.2.2. Data related to oral form. <termForm: oralForm> 1.3.1. Data related to canonical form. <termForm: canonicalForm> 1.3.2. Data related to term formation. <termForm: termFormation> 1.3.3. Data related to inflection. <termForm: termInflection> 2. Data related to meaning. <termMeaning> 2.1. Type of LSP expression by correspondence of its meaning to its form. <termMeaning: termType> 2.2. Data related to logical meaning. <termMeaning: logicalMeaning> 2.3. Data related to induced meaning. <termMeaning: inducedMeaning> 3. Encyclopedic description. <termEncyclopedicDescription> 4. Data related to usage. <termUsage> 4.1. Data related to restrictions of usage. <termUsage: restrictions> 4.1.1. Data related to national language restrictions. <termUsage: restrictions: language> 4.1.2. Data related to domain restrictions. <termUsage: restrictions: domain> 4.1.3. Data related to scientific school or theory restrictions. <termUsage: restrictions: schoolOrTheory> 4.1.4. Data related to chronological restrictions. <termUsage: restrictions: chronological> 4.1.5. Data related to geographical restrictions. <termUsage: restrictions: geographical> 4.1.6. Data related to organizational restrictions. <termUsage: restrictions: organizational> 4.1.7. Data related to proprietary restrictions. <termUsage: restrictions: proprietary> 50 Igor Kudashev | Improving Compatibility of Terminological... 4.1.8. Data related to register restrictions. <termUsage: restrictions: register> 4.1.9. Data related to professional group restrictions. <termUsage: restrictions: professionalGroup> 4.1.10. Data related to combinatory restrictions. <termUsage: restrictions: combinatory> 4.1.11. Data related to compliance restrictions. <termUsage: restrictions: compliance> 4.2. Data related to frequency of use. <termUsage: frequency> 5. Data related to systematic relations. <termRelations> 5.1. Data related to synonymous relations. <termRelations: synonymousRelation> 5.2. Data related to antonymous relations. <termRelations: antonymousRelation> 5.3. Data related to homonymous relations. <termRelations: homonymousRelation> 5.4. Data related to paronymous relations. <termRelations: paronymousRelation> 5.5. Data related to generic relations. <termRelations: genericRelation> 5.6. Data related to partitive relations. <termRelations: partitiveRelation> 5.7. Data related to non-hierarchical ontological relations. <termRelations: non-hierarchicalOntologicalRelation> 5.8. Data related to equivalence relations. <termRelations: equivalenceRelation> 6. Data related to origin and development. <termOriginAndDevelopment> 7. Other types of data related to the description of an LSP expression <termOtherRelatedData> APPENDIX 2. EXAMPLE OF MAPPING OF SOME ISO 12620:1999 DATA CATEGORIES INTO THE FUNCTIONAL CLASSIFICATION OF TERMINOLOGICAL DATA See Appendix 1 for the decryption of the formal representation of the categories which are used for the sake of brevity. Question mark after a data category means that the presence of the specified kind of data is subject to the interpretation of the data category. If subcategories can be mapped in the exact same way as their parent category, only the parent category is described. Terminologija | 2009 | 16 51 Due to space limitations only the first subgroup of data categories from the ISO 12620:1999 standard is covered. A.1 term Note: term (headword) lies outside the scope of classification which covers data categories related to the description of LSP expressions. However, technically data category term is identical to the written form of the term. Functional classification: not applicable or <termForm: writtenForm> A.2.1 term type Note: in the ISO 12620:1999 standard this category includes various kinds of LSP expressions and may contain different types of data. See subcategories for more information. A.2.1.1 main entry term Note: information about the structure of the entry is not data related to the description of LSP expressions. However, this category indirectly reflects preference. Functional classification: not applicable or <termUsage: restrictions: compliance> A.2.1.2 synonym Note: when opposed to main entry term, this category reflects preference. Its primary function is, however, reflection of synonymous relations. Functional classification: <termRelations: synonymousRelation>; <termUsage: restrictions: compliance>? A.2.1.3 quasi-synonym Note: same as previous. Functional classification: <termRelations: synonymousRelation>; <termUsage: restrictions: compliance>? A.2.1.4 international scientific term Note: depending on the interpretation of this category and its contents, this data category may provide information about compliance, language restrictions, origination and development. Functional classification: <termUsage: restrictions: compliance>; <termUsage: restrictions: language>?; <termOriginAndDevelopment>? A.2.1.5 common name Note: common name is a synonym of an international scientific term that is used in general discourse. This data category may provide information about restrictions related to register, compliance and professional group. 52 Igor Kudashev | Improving Compatibility of Terminological... Functional classification: <termUsage: restrictions: register>; <termUsage: restrictions: compliance>; <termUsage: restrictions: professionalGroup>? A.2.1.6 internationalism Note: depending on the contents this data category may provide information related to language restrictions, term formation, origination and development. Functional classification: <termUsage: restrictions: language>; <termForm: termFormation>?; <termOriginAndDevelopment>? A.2.1.7 full form Note: this data category provides information about the type of term by its form. Functional classification: <termForm: termType> A.2.1.8 abbreviated form of term Note: depending on the contents, this data category and all its subcategories (A.2.1.8.1 abbreviation, A.2.1.8.2 short form of term, A.2.1.8.3 initialism, A.2.1.8.4 acronym and A.2.1.8.5 clipped term) may provide information related to type of term by its form, oral form; term formation, origin and development. Functional classification: <termForm: termType>; <termForm: oralForm>?; <termForm: termFormation>?; <termOriginAndDevelopment> A.2.1.9 variant Note: depending on the contents, this data category may provide information about preference, term formation, origin and development. Functional classification: <termUsage: restrictions: compliance>; <termForm: termFormation>?; <termOriginAndDevelopment>? A.2.1.10–A.2.1.14 (transliterated form, transcribed form, romanized form, symbol and formula) Note: these data categories provide information about the type of term by its form. Functional classification: <termForm: termType> A.2.1.15–A.2.1.17 (equation, logical expression, materials management categories) Note: these units can not be headwords in terminological databases. Functional classification: not applicable. A.2.1.18 phraseological unit Note: in ISO 12620:1999 this category is split into three subcategories: collocation, set phrase and synonymous phrase. Collocation can not be counted Terminologija | 2009 | 16 53 as a phraseological unit as it does not correspond to the definition of a phraseological unit provided in the standard. Synonymous phrase seems to be an unnecessary category. The same information can be expressed with two other data categories: set phrase and synonym. Functional classification: not applicable. A.2.1.18.1 collocation Note: this data category provides information about combinatory restrictions. Functional classification: <termUsage: restrictions: combinatory> A.2.1.18.2 set phrase Note: this data category provides information about the type of term by correspondence of its meaning to its form. Functional classification: <termMeaning: termType> A.2.18.3 synonymous phrase Note: as was stated above, this category is probably unnecessary. If used, it provides information about the type of term by correspondence of its meaning to its form and also about synonymous relations. Functional classification: <termMeaning: termType>; <termRelations: synonymousRelation> A.2.1.19 standard text Note: standard texts can not be headwords in terminological databases. Functional classification: not applicable. TERMINIJOS RINKINIŲ SUDERINAMUMO GERINIMAS TAIKANT DUOMENŲ KATEGORIJŲ KLASIFIKACIJĄ Viena iš informacijos ir ypač terminologijos išteklių plėtros tendencijų yra atskirų duomenų bazių jungimas į didelius portalus ir sąsajų tarp tokių portalų kūrimas. To pavyzdys gali būti EuroTermBankas (http://www.eurotermbank.com). Didėjant informacijos apimčiai ir vartotojų tokiems produktams keliamiems reikalavimams, auga poreikis užtikrinti išplėstinę paiešką, apimančią visus žodynų straipsnių laukus, ir galimybę pateikti tik tas informacijos kategorijas, kurios tuo metu domina vartotoją. Šiems uždaviniams spręsti reikalinga duomenų kategorijų klasifikacija, kurią būtų galima taikyti kaip terminologinių bazių, turinčių skirtingą struktūrą, „bendrą vardiklį“. Svarbus tokios klasifikacijos reikalavimas – jos paprastumas ir aiškumas paprastiems terminologijos produktų vartotojams. Straipsnyje aptariama lingvistinėmis duomenų funkcijomis paremta klasifikacija galėtų tapti tokiu „bendru vardikliu“. 54 Igor Kudashev | Improving Compatibility of Terminological... ИСПОЛЬЗОВАНИЕ МЕТАКЛАССОВ ДАННЫХ КАК СРЕДСТВО УЛУЧШЕНИЯ СОВМЕСТИМОСТИ ТЕРМИНОЛОГИЧЕСКИХ КОЛЛЕКЦИЙ Одной из тенденций развития информационных ресурсов в целом и терминологических в частности стало объединение разрозненных баз данных в крупные порталы и создание общих интерфейсов к ним. Примером может служить Евро-ТермБанк (http://www.eurotermbank.com). По мере роста объемов информации и требований пользователей к подобным продуктам растет потребность в обеспечении расширенного поиска, охватывающего все поля словарных статей, а также возможности отображения лишь тех категорий информации, которые в данный момент интересуют пользователя. Эти задачи требуют наличия классификации информационных категорий, которая могла бы служить «общим знаменателем» для терминологических баз с различной структурой. Немаловажным требованием к подобной классификации является ее простота и понятность для простых пользователей терминологических продуктов. В статье описывается один из возможных кандидатов на роль «общего знаменателя» – классификация, основанная на лингвистических функциях данных. Gauta 2009-10-14 Igor Kudashev University of Helsinki Palmenia Centre for Continuing Education P.O. Box 239 (Paraatikenttä 6) FIN-45100 Kouvola, Finland E-mail: [email protected] Terminologija | 2009 | 16 55