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

Poprawa zgodności zbiorów terminologicznych za pomocą pomostowej klasyfikacji kategorii danych IGOR KUDASHEV University of Helsinki W S T Ę P Pomimo istnienia znormalizowanego zestawu kategorii danych (ISO 12620:1999) i znormalizowanych metod pracy terminologicznej (ISO 704:2000) nadal trudno znaleźć dwie terminologiczne bazy danych utworzone w dwóch różnych organizacjach, które można by łatwo połączyć bez utraty danych lub zniekształcenia pierwotnych zasad opracowania każdej z tych baz. Najbardziej oczywiste przyczyny są następujące: języki i tradycje narodowe różnią się; dziedziny języków specjalistycznych (LSP) różnią się; zaplecze i podejście osób opracowujących bazy różnią się; rozwiązania techniczne różnią się. Jednocześnie jednym z trendów w zarządzaniu zasobami terminologicznymi i innymi rodzajami danych jest łączenie rozproszonych zasobów w większe portale lub usługi, zazwyczaj bez ich fizycznego scalania. Jednym z przykładów jest portal EuroTermBank (http://www.eurotermbank.com), który umożliwia przeszukiwanie wielu wewnętrznych i zewnętrznych terminologicznych baz danych oraz zestawianie wyników. Wraz ze wzrostem wymagań użytkowników i wolumenu danych konieczne staje się zapewnienie zaawansowanego wyszukiwania obejmującego wszystkie pola wpisu, a nie tylko hasła główne, oraz dostosowanie wpisów do preferencji użytkowników. W niniejszym artykule proponujemy klasyfikację kategorii danych, która może służyć jako pomost między zbiorami terminologicznymi. Klasyfikacja ta odnosi się do następujących problemów związanych z zarządzaniem zbiorami terminologicznymi wykorzystującymi różne zestawy kategorii danych: agregacja i scalanie zasobów terminologicznych; organizacja wyszukiwania obejmującego wszystkie pola wpisów; dostosowywanie wpisów z wielu zbiorów zgodnie z preferencjami użytkowników. 36 Igor Kudashev | Improving Compatibility of Terminological... Baza danych terminologicznych może zawierać różne rodzaje danych oprócz właściwych danych terminologicznych, takie jak informacje o źródłach, użytkownikach i transakcjach związanych z zarządzaniem terminologią. W niniejszym artykule skupiamy się na klasyfikacji kategorii danych związanych z opisem wyrażeń języka specjalistycznego (LSP). CZYM JEST KATEGORIA DANYCH? Różne rodzaje danych umieszcza się w różnych polach baz danych terminologicznych. Kategoria danych jest wynikiem specyfikacji danego pola danych (ISO 1087-2:2000: 13). Terminolodzy posługują się różnymi metaforami, aby wyjaśnić pojęcie kategorii danych. Jedną z nich jest szafa, w której różne szuflady służą do przechowywania różnych rodzajów odzieży. Inną metaforą jest koszyk na zakupy, w którym każdy rodzaj towaru jest opakowany osobno, tak aby towary się nie pomieszały. TYPOWE ROZBIEŻNOŚCI MIĘDZY KATEGORIAMI DANYCH Kategorie danych są wynikiem klasyfikacji danych. Dane można klasyfikować na wiele różnych sposobów, zależnie od poglądów osoby dokonującej klasyfikacji oraz potrzeb użytkowników. Posługując się metaforą szafy, można powiedzieć, że różne szafy mają różną liczbę szuflad, które mogą różnić się kształtem, wielkością itp. Między kategoriami danych w bazach danych terminologicznych możliwych jest co najmniej sześć rodzajów rozbieżności: - rozbieżność w nazwach kategorii danych; - rozbieżność w „rozmiarach” kategorii danych, tj. różny poziom szczegółowości („granulacja”); - rozbieżność w „miejscach” kategorii danych, tj. ich położeniu w schemacie klasyfikacyjnym; - rozbieżność w zasadach klasyfikacji (nakładanie się kategorii); - rozbieżność w zawartości kategorii danych; - przypadki mieszane. Poniżej przedstawiono kilka przykładów ilustrujących niektóre typowe rozbieżności. Przypadek 1: kategorie danych mają różne nazwy. Przykład: kategoria danych jest nazywana note w jednej bazie danych, comment w innej, remark w trzeciej i NB w czwartej. Terminologija | 2009 | 16 37 Przypadek 2: nazwa kategorii danych jest używana w różnych znaczeniach. Przykład: kategoria danych synonim może odpowiadać „pełnemu synonimowi”, „bliskiemu synonimowi” lub „pełnemu albo bliskiemu synonimowi”. Przypadek 3: nazwy kategorii danych są „fałszywymi przyjaciółmi”. Przykład: angielskie abbreviation i acronym zdefiniowane w normie ISO (ISO 12620:1999: 6–7) oraz rosyjskie аббревиатура i акроним odpowiadają sobie krzyżowo (Kudashev & Hajutin 2003: 104–105). Przypadek 4: granulacja kategorii danych jest różna. Przykład: kategoria danych skrócona forma terminu jest podzielona na pięć podklas (skrót, skrócona forma terminu, zapis inicjałowy, akronim i forma ucięta) w ISO 12620:1999, jednak w ISO 12616:2002 („Terminologia ukierunkowana na tłumaczenie”) nie ma takiego podziału. Przypadek 5: nakładanie się kategorii danych. Przykład: kategorie danych przykład i kontekst nakładają się. Niektóre przykłady są kontekstami, a niektóre konteksty mogą służyć jako przykłady, jednak te dwie kategorie nie są identyczne. Przypadek 6: ta sama kategoria danych jest przyporządkowana do różnych kategorii nadrzędnych. Przykład: kategorię danych kontekst uznaje się w ISO 12620:1999 za dane dotyczące pojęcia, najwyraźniej dlatego, że konteksty mogą dostarczać dodatkowych informacji o pojęciu. Jednak częstszą funkcją kontekstów jest dostarczanie informacji o użyciu terminów i kolokacjach, dlatego „wiele baz danych klasyfikuje kontekst jako kategorię związaną z terminem” (ISO 12620:1999: 25). Przypadek 7: język, system znaków lub notacja danych są różne. Przykład: część mowy może być zakodowana jako noun w jednej bazie danych, jako n. w innej, jako subst. w trzeciej, a w czwartej jako symbol graficzny. Przypadek 8: identyczne lub podobne wartości kategorii danych są używane w różnych znaczeniach i różnych powiązaniach. Przykład: wartość neologizm w kategorii danych pochodzenie terminu ISO 12620:1999 brzmi jak etykieta chronologiczna, choć w rzeczywistości odnosi się do metodologii zastosowanej przy tworzeniu terminu. 38 Igor Kudashev | Improving Compatibility of Terminological... Przypadek 9: wartości w klasach półzamkniętych różnią się ze względu na odmienne klasyfikacje zjawisk językowych w różnych językach i odmiennych tradycjach. Przykład: w normie ISO 12620:1999 etykiety służące do opisywania wyrażeń języka specjalistycznego należących do „niższego stylu” obejmują slang register i vulgar register. W przybliżeniu odpowiadają one etykietom профессиональный жаргонизм (profesjonalny slang) oraz профессиональное просторечие (profesjonalny język potoczny) w języku rosyjskim. W języku fińskim istnieje jednak tylko jedna kategoria, ammattislangi (profesjonalny slang; zob. Sanastotyön käsikirja 1989: 12). Należy również zauważyć, że niektóre dane mogą być wyrażone implicite w zbiorach terminologicznych. Przykład 1: obecność etykiety obsolete w niektórych przypadkach i jej brak w innych w zbiorze terminologicznym oznacza, że terminy nieopatrzone tą etykietą należą do aktywnego zasobu języka specjalistycznego. Przykład 2: jeśli dwa lub więcej terminów umieszczono w tym samym haśle, zwykle oznacza to, że są synonimami lub odpowiednikami. Wymiana lub agregacja zasobów terminologicznych może wymagać jawnego przedstawienia takich danych implicytnych. Na przykład, jeśli dane są przechowywane w postaci ontologii, a nie statycznych haseł, wówczas wspomniane wyżej informacje implicytne o synonimach i odpowiednikach należy ujawnić i zachować podczas „rozkładania” haseł. ZBIORY I KLASYFIKACJE KATEGORII DANYCH ISO ISO 12620:1999 określa zestaw kategorii danych służących do rejestrowania informacji terminologicznych. Nie nakazuje, jakich kategorii danych należy używać, lecz stanowi raczej ich wykaz. Zestaw ten jest poszerzany w ramach projektu ISOcat (www.isocat.org), w którym dokumentowane są powszechnie akceptowane kategorie danych językowych. Chociaż projekt ISOcat jest niewątpliwie przydatny dla językoznawców, którzy mogą dzięki niemu lepiej kategoryzować i definiować pojęcia językowe, oraz dla projektantów baz terminologicznych, którzy mogą wybierać gotowe kategorie danych z obszernego wykazu, raczej nie rozwiąże problemu wymiany i agregacji danych ani wyszukiwania pełnych haseł w wielu bazach danych. Po pierwsze, nie może zapobiec temu, by twórcy produktów terminologicznych Terminologija | 2009 | 16 39 klasyfikowania danych w odmienny sposób i stosowania własnych kategorii danych. Po drugie, im więcej kategorii danych wykorzystuje się w zbiorach terminologicznych, tym bardziej się one różnicują, co jeszcze bardziej utrudnia wymianę danych. Teoretycznie lista kategorii danych jest nieskończona, a w praktyce bardzo obszerna. Na przykład lista kategorii danych związanych z terminologią w zasobie ISOcat liczy już ponad 500 pozycji. Jedna z praktyk stosowanych w projekcie ISOcat może wielokrotnie zwiększyć tę liczbę. Chodzi nam o przedstawianie wartości klas zamkniętych i półzamkniętych jako odrębnych kategorii danych. Na przykład wartości kategorii danych register, takie jak vulgarRegister, slangRegister itd., są obecnie przedstawiane jako samodzielne kategorie danych. Podobnie kategoria danych reliabilityCode zostaje podzielona na reliabilityCode1, reliabilityCode2 itd. Można mieć różne zdania na temat tego, czy jest to uzasadnione z praktycznego punktu widzenia, ale dane można organizować na wiele różnych sposobów, nie ma więc formalnych ograniczeń uniemożliwiających dzielenie kategorii danych aż do klas pierwotnych, które mogą przyjmować wyłącznie wartości yes i no. Jasne jest jednak, że ten obszar kategorii danych wymaga odpowiedniego uporządkowania i klasyfikacji, aby pozostał łatwy w zarządzaniu i dobrze zorganizowany. Tymczasem klasyfikacja kategorii danych zaproponowana w ISO 12620:1999 budzi zastrzeżenia pod kilkoma względami. Po pierwsze, występują pewne niespójności dotyczące podstawowego podziału danych. Zgodnie z punktem 6.2 (Typology of data categories) kategorie danych dzielą się na trzy główne grupy: informacje o terminach i z nimi związane, dane opisowe oraz dane administracyjne. Jednak w Annex D (Systematic listing of data categories) druga grupa nosi nazwę Data categories related to concept description. Jednocześnie grupa ta zawiera podgrupę Note, która „stanowi odrębną kategorię, ponieważ można ją powiązać z dowolną inną kategorią, a zatem nie można jej podporządkować żadnej innej konkretnej podgrupie” (ISO 12620:1999: 4). Jeśli założymy, że zamierzony podział obejmował cztery grupy: informacje o terminach i z nimi związane, informacje związane z pojęciami, dane administracyjne oraz Note, klasyfikacja ta nadal rodzi wiele pytań. Oto kilka z nich: - Dlaczego examples i contexts zalicza się do danych związanych z pojęciami, a nie do danych związanych z terminami? Por. opis kategorii danych context: „Tekst lub część tekstu, w której występuje termin” (ISO 12620:1999: 25). - Dlaczego synonym i equivalence zalicza się do danych związanych z terminami, podczas gdy wszystko inne związane ze znaczeniem jest zaliczane do danych związanych z pojęciami? Por. opis kategorii danych degree of equivalence: „Stopień pokrywania się intencji dwóch lub większej liczby pojęć” (ISO 12620:1999: 21). 40 Igor Kudashev | Improving Compatibility of Terminological... Dlaczego antonym i homograph zalicza się do danych administracyjnych, a nie do danych związanych z terminami lub pojęciami? Dlaczego audio, video itd. zalicza się (wyłącznie) do danych związanych z pojęciami? Jaka jest dokładna definicja danych administracyjnych? Dlaczego ta klasa obejmuje tak niejednorodne kategorie? Podział danych terminologicznych na związane z pojęciami i związane z terminami może być użyteczny z technicznego punktu widzenia, ponieważ wspiera podejście zorientowane na pojęcia, które ogranicza liczbę relacji między terminami, łącząc terminy synonimiczne z tym samym pojęciem. Taki podział w ogólności, a w szczególności jego zastosowanie w ISO 12620:1999, może jednak stanowić wyzwanie dla zwykłych użytkowników terminologicznych baz danych – tłumaczy i specjalistów dziedzinowych. Rzeczywiście, trudno zrozumieć, dlaczego synonyms należy wyszukiwać w danych związanych z terminami, ale antonyms w danych administracyjnych, a examples w danych związanych z pojęciami. Zwykli użytkownicy pracują z terminami – słowami i połączeniami wyrazowymi – dlatego naturalniej jest im mówić o znaczeniu terminu, synonimach terminu, przykładach użycia terminu itd. Wynika z tego, że klasyfikacja kategorii danych mająca umożliwiać wyszukiwanie pełnych haseł w wielu zbiorach powinna być zorientowana na terminy, intuicyjnie zrozumiała i oparta na powszechnie stosowanych kategoriach językowych. ŁĄCZENIE ROZBIEŻNOŚCI MIĘDZY KATEGORIAMI DANYCH Problem rozbieżności między kategoriami danych można rozwiązać za pomocą mapowania. Jeśli rozbieżności mają charakter nominalny, na przykład nazwy kategorii danych są różne albo te same treści przedstawiono w odmienny sposób, można zastosować bezpośrednie mapowanie kategorii danych. Po jego zastosowaniu dane w zagregowanym zasobie można przeszukiwać z taką samą precyzją jak w oryginalnych bazach danych. Bardziej istotne różnice między kategoriami danych wymagają znalezienia wspólnego mianownika poprzez mapowanie klasyfikacji zbiorów kategorii danych. Zastosowanie wspólnego mianownika nieco obniża precyzję wyszukiwania, ale jest to jedyny sposób na zapewnienie wspólnego wyszukiwania w zasobach terminologicznych o różnej strukturze. Jeśli użytkownik nie chce rezygnować z precyzji wyszukiwania, musi osobno przeszukiwać każdą kolekcję. Podobnie jak w przypadku wymiany danych w ogóle, zastosowanie formatu pośredniego, tj. pewnej klasyfikacji pomostowej kategorii danych, jest w dłuższej perspektywie bardziej efektywne Terminologija | 2009 | 16 41 niż liczne mapowania między różnymi klasyfikacjami. Ogólne zasady klasyfikacji kategorii danych, która ma służyć jako wspólny interfejs dla innych klasyfikacji, są następujące: 1. Ponieważ klasyfikacja ma służyć jako zbiór wspólnych mianowników, jej klasy powinny znajdować się na wyższym poziomie abstrakcji niż większość „pierwotnych” kategorii danych, które nie są dalej dzielone. Jednocześnie poziom abstrakcji nie może być zbyt wysoki, ponieważ użytkownicy nie byliby zainteresowani klasyfikacją zbyt ogólną. W praktyce wystarczająca jest klasyfikacja o dwóch poziomach abstrakcji. 2. Klasyfikacja powinna obejmować wszystkie typy wyrażeń LSP, które są zazwyczaj opisywane w terminologicznych bazach danych, w tym elementy terminów, nazwy własne, nomenklaturę, stałe wyrażenia itp. 3. Klasyfikacja powinna zawierać wyłącznie te kategorie danych, które są bezpośrednio związane z opisem wyrażeń LSP. Opis aspektów technicznych i administracyjnych (np. nośnika, kodowania, źródeł, wiarygodności itp.) stanowi odrębne zadanie. 4. Klasyfikacja powinna być hierarchiczna, ale na tym samym poziomie abstrakcji należy dopuścić kilka podstaw podziału. 5. Klasyfikacja powinna być rozszerzalna, tj. na każdym poziomie hierarchii powinna zawierać kategorię „inne”. Zasady te należy połączyć ze wspomnianym wyżej wymogiem przyjazności dla użytkownika. Naszym zdaniem klasyfikacja oparta na funkcjach językowych danych jest pod tym względem szczególnie dobrym rozwiązaniem. W klasyfikacji pomostowej opartej na funkcjach językowych punkt ciężkości przesuwa się z nazw kategorii danych na funkcję lub funkcje zawartych w nich danych. Można tu posłużyć się analogią do biblioteki z katalogiem alfabetycznym i rzeczowym. Wyszukiwanie według nazw kategorii danych przypomina wyszukiwanie za pomocą katalogu alfabetycznego. Tytuł daje pewne wskazówki co do zawartości książki, ale czasami może wprowadzać w błąd. Ponadto użytkownicy nie są w stanie odgadnąć wszystkich możliwych tytułów obejmujących określony temat. Katalog alfabetyczny jest przydatny w sytuacjach, gdy użytkownicy dokładnie wiedzą, jakie pozycje chcą znaleźć. Większość użytkowników bibliotek rozpoczyna jednak poszukiwania od katalogu rzeczowego, ponieważ z góry nie wiedzą, jakie pozycje obejmują interesujący ich temat. Portal terminologiczny agregujący wiele kolekcji terminologicznych- 42 Igor Kudashev | Improving Compatibility of Terminological... Kolekcje terminologiczne z różnymi zestawami kategorii danych stwarzają użytkownikom ten sam problem co księgozbiór na półkach biblioteki. Użytkownicy wiedzą, jakiego rodzaju informacje ich interesują (gramatyka, znaczenie, użycie itp.), ale niekoniecznie wiedzą, w jakich kategoriach danych można je znaleźć. W różnych kolekcjach terminologicznych podobne typy danych mogą znajdować się w różnych polach danych. Na przykład informacje o zasięgu geograficznym wyrażenia LSP można znaleźć w takich polach jak użycie, etykieta regionalna, symbol języka itp. Jeśli wyszukiwanie opiera się na funkcjach językowych danych, użytkownicy nie muszą przejmować się dokładnymi nazwami kategorii danych. Wystarczy, że określą, iż szukają informacji o zasięgu geograficznym, znaczeniu lub synonimach, a system zarządzania terminologią zlokalizuje i wyświetli pełne lub skrócone hasła w różnych bazach danych, zawierające wskazany typ informacji. Wyszukiwanie według funkcji może i powinno być uzupełnione wyszukiwaniem według nazw pól przez tych użytkowników, którzy dokładnie wiedzą, w jakich polach chcą szukać. Pola danych, podobnie jak pozycje biblioteczne, mogą zawierać różne rodzaje informacji językowych. Na przykład przykład to typowe pole wielofunkcyjne, które może zawierać informacje o formie, znaczeniu i użyciu terminu, w różnych proporcjach. Można opisać każdą kategorię danych jako pełniącą jedną lub kilka funkcji. Powinna być również możliwa specyfikacja stopnia, w jakim dana kategoria danych odzwierciedla określone funkcje. Ta cecha może być wyrażona słownie (np. funkcja podstawowa i drugorzędna) albo liczbowo (np. 0–100%). Najprostszym sposobem odwzorowania określonego zestawu kategorii danych na klasyfikację pośrednią jest uznanie, że zawartość pól danych danego typu jest jednolita, i sporządzenie prostej tabeli odpowiedniości. Dokładniejsze, ale też bardziej skomplikowane odwzorowanie pozwala kompilatorom określić odstępstwa poszczególnych pól danych od wartości zastosowanych w globalnej tabeli odpowiedniości. Na przykład konteksty zwykle dostarczają informacji o użyciu i znaczeniu terminu. Rozsądne jest uwzględnienie tych typów informacji w globalnej tabeli odpowiedniości, ponieważ dotyczą one każdego pola kontekstu. Jednak niektóre konteksty mogą również zawierać informacje encyklopedyczne. To sporadyczne wykorzystanie informacji encyklopedycznych można oznaczyć lokalnie, na poziomie pola. Terminologija | 2009 | 16 43 KLASYFIKACJA KATEGORII DANYCH OPARTA NA FUNKCJACH JĘZYKOWYCH DANYCH Ponieważ wyrażenia LSP są znakami językowymi, informacje na ich temat można podzielić na informacje o ich formie, znaczeniu, użyciu, relacjach z innymi jednostkami, pochodzeniu i rozwoju. Poniżej szczegółowo opisano każdą z tych klas i podano przykłady należących do nich danych. Zob. Dodatek 1, zawierający zwięzłą wersję klasyfikacji. Dane dotyczące formy Wyrażenia LSP mają dwie formy – pisemną i ustną. Ponadto dane dotyczące formy wyrażenia LSP można podzielić na trzy klasy: - dane dotyczące formy kanonicznej; - dane dotyczące tworzenia jednostki; - dane dotyczące odmiany jednostki. DANE DOTYCZĄCE FORMY KANONICZNEJ Forma kanoniczna to forma, w której hasło jest podane w bazie danych. Pełni funkcję „reprezentanta” innych form. Na przykład w większości języków europejskich formą kanoniczną rzeczowników jest mianownik liczby pojedynczej, a czasowników — bezokolicznik. Zasady wyboru formy kanonicznej różnią się jednak w zależności od języka i tradycji leksykograficznych. Oto kilka przykładów danych dotyczących pisanej formy kanonicznej: - typ wyrażenia ze względu na jego formę pisemną (np. forma pełna, forma skrócona, symbol, wzór itp.); - pisownia formy; - warianty pisowni formy; - przenoszenie wyrazów. Przykłady danych dotyczących ustnej formy kanonicznej: - typ wyrażenia ze względu na jego formę ustną (np. inicjalizm, akronim); - wymowa; - warianty wymowy formy; - podział na sylaby. Jak widać, niektóre kategorie danych mogą odnosić się zarówno do form pisemnych, jak i ustnych. Na przykład wskazanie, że dane wyrażenie jest inicjalizmem, czyli formą skróconą utworzoną z początkowych liter pełnego terminu, w której litery te wymawia się oddzielnie (np. United Nations – UN), dostarcza informacji zarówno o formie pisemnej, jak i ustnej. Ponadto może 44 Igor Kudashev | Improving Compatibility of Terminological... można powiedzieć, że dostarcza informacji o tworzeniu terminów, ich pochodzeniu i rozwoju. DANE ZWIĄZANE Z TWORZENIEM TERMINÓW Przykłady danych związanych z tworzeniem wyrażeń języka specjalistycznego: - komponenty i elementy terminu; - struktura morfemiczna; - model składniowy; - model tworzenia terminów; - metoda(y) tworzenia terminów; - warianty morfologiczne; - derywaty. DANE DOTYCZĄCE FLEKSJI Przykłady danych dotyczących fleksji wyrażeń LSP: - parametry gramatyczne (liczba, rodzaj, żywotność itp.); - pełny lub częściowy paradygmat form; - modele fleksji, koniugacji itp. Dane dotyczące znaczenia Ta część klasyfikacji rozpoczyna się od dość peryferyjnej kategorii, aby zachować zgodność z pozostałymi sekcjami. Wyrażenia LSP można podzielić na kilka klas w zależności od tego, w jakim stopniu ich forma wewnętrzna odzwierciedla ich znaczenie. Na przykład wyrażenie stałe jest jednostką, której znaczenia nie można wywnioskować z łącznego sensu słów składających się na to wyrażenie. Poza tym dane dotyczące znaczenia wyrażeń LSP można podzielić na dwie duże kategorie. Pierwszą z nich jest znaczenie logiczne – opis pojęcia logicznego oznaczanego przez wyrażenie LSP. Ten typ informacji jest zwykle podawany w definicjach terminologicznych i opisach o charakterze definicji. Druga kategoria obejmuje dość niejednorodne składniki znaczenia, które można nazwać znaczeniem konotacyjnym. Składniki te obejmują na przykład: - różne konotacje, tj. wartościujące składniki znaczenia; - formę wewnętrzną wyrażenia (jego „dosłowne” znaczenie, morfem po morfemie); Terminologija | 2009 | 16 45 – inne znaczenia tego samego wyrażenia w LSP lub LGP; – komponenty znaczenia wynikające z antonimicznych, synonimicznych, paronimicznych i innych systemowych relacji danego wyrażenia; – różne rodzaje skojarzeń; – komponenty znaczenia wynikające z konsonansu, rymów itp. Komponenty te nazywamy „indukowanymi”, ponieważ wynikają ze stosunku użytkowników języka do obiektów oznaczanych przez wyrażenia LSP, ze skojarzeń użytkowników lub z relacji wyrażenia LSP z innymi jednostkami języka. W tym sensie użytkownicy języka, inne jednostki języka lub jedni i drugie „indukują” w wyrażeniu LSP dodatkowe komponenty znaczenia. Więcej informacji na temat przedstawiania znaczenia indukowanego w słownikach LSP można znaleźć w pracach (Kudashev 2006; Kudashev 2007: 254–258). Komponenty indukowane są mile widziane, a nawet celowo pielęgnowane, gdy tworzą pozytywne skojarzenia i konotacje lub pozwalają użytkownikom wyrażać swój stosunek do tematu w komunikacji nieformalnej. Jednak w większości przypadków jedynie odwracają uwagę użytkowników od znaczenia logicznego, które powinno stanowić sedno komunikacji LSP. Jest to prawdopodobnie jeden z powodów, dla których komponenty znaczenia indukowanego były w dużej mierze pomijane w teorii terminologii. Uwzględnianie ich jest jednak ważnym warunkiem wstępnym skutecznej nominacji terminologicznej i efektywnej komunikacji LSP. Dane dotyczące opisu encyklopedycznego Opis encyklopedyczny dostarcza informacji o obiektach oznaczanych przez wyrażenia LSP, a w większości przypadków informacje te mają charakter pozajęzykowy. Czasami jednak niełatwo jest wyznaczyć granicę między opisem pojęcia a opisem obiektu oznaczanego przez wyrażenie LSP. Wiele baz terminologicznych zawiera już informacje, które można zaliczyć do opisu encyklopedycznego, a ich udział prawdopodobnie będzie wzrastał w przyszłości, ponieważ różne typy publikacji informacyjnych zmierzają ku coraz większej zbieżności (por. Hartmann 2001: 5). Aby uwzględnić ten fakt, postanowiliśmy włączyć opis encyklopedyczny do klasyfikacji kategorii danych związanych z opisem wyrażeń LSP. Dane dotyczące użycia Informacje dotyczące użycia wydają się być najbardziej poszukiwanym typem danych 46 Igor Kudashev | Improving Compatibility of Terminological... terminological data (Kudashev 2007: 207). It can be subdivided into two big categories: - ograniczenia użycia; - częstotliwość użycia. DANE DOTYCZĄCE OGRANICZEŃ UŻYCIA Użycie każdego wyrażenia z zakresu LSP jest ograniczone co najmniej do określonego języka narodowego, dziedziny i okresu chronologicznego. Ponadto użycie może być ograniczone do określonego obszaru geograficznego, grupy zawodowej, organizacji, rejestru itp. Poniżej znajduje się lista najczęstszych ograniczeń użycia, wraz z kilkoma przykładami w nawiasach: - język narodowy (en, fi, ru); - dziedzina i poddziedzina (fizyka – fizyka atomowa – fizyka wysokich energii); - szkoła naukowa/teoria (fizyka Newtona, fizyka Einsteina; duński strukturalizm w językoznawstwie); - ograniczenie chronologiczne (przestarzałe, neologizm, używane podczas II wojny światowej); - ograniczenie geograficzne (en-US, en-GB, wyrażenie dialektalne); - ograniczenie organizacyjne (termin używany w/przez Nokia, Microsoft, UN, WHO); - ograniczenie własnościowe (znak towarowy, nazwa handlowa); - ograniczenia rejestru (termin oficjalny, termin nieformalny, żargon zawodowy); - ograniczenia związane z grupą zawodową (lekarze, pielęgniarki, asystenci medyczni); - ograniczenia kolokacyjne (przeprowadzić/prowadzić/wykonać/zainicjować dochodzenie); – ograniczenia zgodności (termin standaryzowany, preferowany, zalecany, niezalecany). Dwa ostatnie rodzaje ograniczeń wymagają prawdopodobnie bardziej szczegółowego omówienia. Dane dotyczące ograniczeń kombinatorycznych Łączliwość to zdolność jednostek językowych do tworzenia większych jednostek. Można ją podzielić na semantyczną, leksykalną i składniową. Semantyczna łączliwość oznacza, że wyrażenia nie zawierają kontrowersyjnych składników znaczeniowych. Łączliwość leksykalna przejawia się w zdolności wyrażeń do łączenia się z określonymi innymi środkami leksykalnymi. Łączliwość składniowa to zdolność wyrażenia do łączenia się z określonymi formami gramatycznymi innych wyrażeń i wyrazami pomocniczymi. Terminologija | 2009 | 16 47 Ograniczenia kombinatoryczne opisuje się zazwyczaj za pomocą modeli składniowych, przykładów i kontekstów. Dane dotyczące ograniczeń zgodności Produkty terminologiczne mają zwykle mniej lub bardziej normatywny charakter. Normatywność ta może obejmować zarówno zalecenia redaktorów lub konsultowanych przez nich ekspertów dziedzinowych, jak i formalną aprobatę normatywną. W każdym przypadku chodzi o zgodność wyrażenia z języka specjalistycznego z „dobrym” lub „poprawnym” stylem (z punktu widzenia redaktorów), a w przypadku norm — także z określonym dokumentem normatywnym. DANE DOTYCZĄCE CZĘSTOTLIWOŚCI UŻYCIA Informacje o częstotliwości użycia mogą opierać się na danych korpusowych i być wyrażone liczbowo albo stanowić mniej lub bardziej subiektywną ocenę wyrażoną słownie (np. używany powszechnie – używany rzadko – używany sporadycznie). Dane dotyczące relacji systemowych Przez relacje systemowe rozumiemy relacje ontologiczne (relacje zawierające wiedzę o świecie), systemowe relacje leksykalne oraz relacje ekwiwalencji między językami. Poniżej przedstawiono przykłady najczęstszych relacji systemowych: – relacje synonimiczne; – relacje antonimiczne; – relacje homonimiczne; – relacje paronimiczne; – relacje rodzajowe; – relacje partonimiczne; – niehierarchiczne relacje ontologiczne (asocjacyjne, sekwencyjne, czasowe, przyczynowe itd.); – relacje ekwiwalencji (między językami). Relacje dotyczące słowotwórstwa, fleksji i łączliwości wyrażeń nie należą do tej kategorii, ponieważ nie są systemowymi leksykalnymi relacjami. Dane dotyczące pochodzenia i rozwoju Ten rodzaj danych jest zbliżony do danych etymologicznych, ale nie ogranicza się do nich. Może obejmować na przykład: 48 Igor Kudashev | Improving Compatibility of Terminological... - informacje o formach, od których, jak się uważa, pochodzi dane wyrażenie języka specjalistycznego (LSP); - informacje o etapach rozwoju danego wyrażenia języka specjalistycznego (LSP); - informacje o wcześniejszej formie (formach), znaczeniu (znaczeniach), użyciu itp. danego wyrażenia języka specjalistycznego (LSP). WNIOSKI W niniejszym artykule omówiliśmy zasady klasyfikacji danych, której celem jest niwelowanie strukturalnych rozbieżności między kategoriami danych w różnych zbiorach terminologicznych. Przewidywane zastosowania tej klasyfikacji obejmują agregację i scalanie danych terminologicznych, organizację wyszukiwania pełnych haseł w wielu zbiorach terminologicznych oraz dostosowywanie haseł do preferencji użytkowników. Dwa ostatnie zadania wymagają, aby klasyfikacja była dość prosta i intuicyjnie zrozumiała dla zwykłych użytkowników produktów terminologicznych. Klasyfikacja oparta na funkcjach językowych danych wydaje się pod tym względem jednym z najlepszych rozwiązań. Wyszukiwanie oparte na funkcjach językowych danych skutecznie uzupełnia wyszukiwanie według nazw kategorii danych i pełni tę samą funkcję co katalog rzeczowy w bibliotece. W niniejszym artykule skupiliśmy się na klasyfikacji danych związanych z opisem wyrażeń języka specjalistycznego (LSP), ponieważ jest to najważniejszy rodzaj danych prezentowanych w terminologicznych bazach danych. Klasyfikacje innych rodzajów danych, takich jak informacje o źródłach, użytkownikach i transakcjach zarządzania terminologią, zostaną udostępnione w specyfikacjach projektu ContentFactory, którego celem jest zaprojektowanie platformy opartej na ontologii do rozproszonej, zespołowej pracy terminologicznej. Projekt kończy się w 2010 roku, a znaczna część jego wewnętrznej dokumentacji zostanie upubliczniona. 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