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

Melhorar a compatibilidade de coleções terminológicas com uma classificação-ponte de categorias de dados IGOR KUDASHEV University of Helsinki I N T R O D U Ç Ã O Apesar da existência de um conjunto padronizado de categorias de dados (ISO 12620:1999) e de métodos padronizados de trabalho terminológico (ISO 704:2000), ainda é difícil encontrar duas bases de dados terminológicas criadas por organizações diferentes que possam ser facilmente combinadas sem perda de dados ou distorção dos princípios originais de compilação de cada uma delas. As razões mais óbvias são as seguintes: as línguas e tradições nacionais diferem; os domínios de LSP diferem; os contextos e as abordagens dos compiladores diferem; as soluções técnicas diferem. Ao mesmo tempo, uma das tendências na gestão de recursos terminológicos e de outros tipos de dados tem sido a agregação de recursos dispersos em portais ou serviços maiores, geralmente sem os combinar fisicamente. Um exemplo é o portal EuroTermBank (http://www.eurotermbank.com) que permite pesquisar em várias bases de dados terminológicas internas e externas e compilar os resultados. À medida que as exigências dos usuários e o volume de dados aumentam, torna-se necessário oferecer uma pesquisa avançada que abranja todos os campos da entrada, e não apenas os termos principais, e adaptar as entradas às preferências dos usuários. Neste artigo, propomos uma classificação de categorias de dados que pode servir de ponte entre coleções terminológicas. A classificação aborda os seguintes problemas relacionados à gestão de coleções terminológicas com diferentes conjuntos de categorias de dados: agregação e combinação de recursos terminológicos; organização da pesquisa que abrange todos os campos das entradas; adaptação das entradas provenientes de várias coleções de acordo com as preferências dos usuários. 36 Igor Kudashev | Improving Compatibility of Terminological... Uma base de dados terminológica pode conter diferentes tipos de dados além dos dados propriamente terminológicos, como informações sobre fontes, usuários e transações de gestão terminológica. Neste artigo, nos concentramos na classificação das categorias de dados relacionadas à descrição de expressões de LSP. O QUE É UMA CATEGORIA DE DADOS? Diferentes tipos de dados são inseridos em diferentes campos nas bases de dados terminológicas. Uma categoria de dados é o resultado da especificação de um determinado campo de dados (ISO 1087-2:2000: 13). Os terminólogos usam diferentes metáforas para explicar o conceito de categoria de dados. Uma delas é a de um guarda-roupa, no qual diferentes gavetas são usadas para guardar diferentes tipos de roupas. Outra metáfora é a de uma cesta de compras, na qual cada tipo de mercadoria é envolvido em sua própria embalagem para que os produtos não se misturem. DIVERGÊNCIAS TÍPICAS ENTRE CATEGORIAS DE DADOS As categorias de dados são resultado da classificação dos dados. Os dados podem ser classificados de muitas maneiras diferentes, dependendo das perspectivas de quem classifica e das necessidades dos usuários. Usando a metáfora do guarda-roupa, pode-se dizer que diferentes guarda-roupas têm números diferentes de gavetas, que podem ter formas, tamanhos etc. diferentes. São possíveis pelo menos seis tipos de divergências entre categorias de dados em bases de dados terminológicas: - divergência nos nomes das categorias de dados; - divergência nas «dimensões» das categorias de dados, isto é, diferentes «níveis de granularidade»; - divergência na «localização» das categorias de dados, isto é, em sua posição no esquema de classificação; - divergência nos princípios de classificação (sobreposição); - divergência no conteúdo das categorias de dados; - casos mistos. A seguir, apresentamos alguns exemplos que ilustram divergências comuns. Caso 1: as categorias de dados recebem nomes diferentes. Exemplo: a categoria de dados é chamada de note em uma base de dados, comment em outra, remark em uma terceira e NB em uma quarta. Terminologija | 2009 | 16 37 Caso 2: o nome de uma categoria de dados é usado com sentidos diferentes. Exemplo: a categoria de dados sinônimo pode corresponder a «sinônimo pleno», «quase sinônimo» ou «sinônimo pleno ou quase sinônimo». Caso 3: os nomes das categorias de dados são «falsos amigos». Exemplo: os termos ingleses abreviatura e acrónimo, tal como definidos na norma ISO (ISO 12620:1999: 6–7), e os termos russos аббревиатура e акроним correspondem-se de forma cruzada (Kudashev & Hajutin 2003: 104–105). Caso 4: a granularidade das categorias de dados é diferente. Exemplo: a categoria de dados forma abreviada do termo divide-se em cinco subclasses (abreviatura, forma reduzida do termo, sigla, acrónimo e termo truncado) na ISO 12620:1999, mas não existe tal divisão na ISO 12616:2002 («Terminologia orientada para a tradução»). Caso 5: sobreposição de categorias de dados. Exemplo: as categorias de dados exemplo e contexto sobrepõem-se. Alguns exemplos são contextos e alguns contextos podem servir de exemplos, mas as duas categorias não são idênticas. Caso 6: a mesma categoria de dados é colocada sob categorias mais abrangentes diferentes. Exemplo: a categoria de dados contexto é considerada dado relacionado com o conceito na ISO 12620:1999, aparentemente porque os contextos podem fornecer informações adicionais sobre o conceito. Contudo, uma função mais comum dos contextos é fornecer informações sobre o uso dos termos e as colocações, pelo que «muitas bases de dados classificam contexto como uma categoria relacionada com o termo» (ISO 12620:1999: 25). Caso 7: a língua, o sistema de signos ou a notação dos dados diferem. Exemplo: a classe gramatical pode ser codificada como noun numa base de dados, n. noutra, subst. numa terceira e como símbolo gráfico numa quarta. Caso 8: valores idênticos ou semelhantes das categorias de dados são usados com significados e em relações diferentes. Exemplo: o valor neologismo na categoria de dados proveniência do termo da ISO 12620:1999 parece ser um rótulo cronológico, quando na realidade se refere à metodologia empregada na criação do termo. 38 Igor Kudashev | Improving Compatibility of Terminological... Caso 9: os valores das classes semiabertas diferem devido à classificação distinta dos fenômenos linguísticos em diferentes línguas e tradições. Exemplo: na ISO 12620:1999, os rótulos para descrever expressões de LSP pertencentes ao «nível inferior» incluem slang register e vulgar register. Correspondem aproximadamente aos rótulos профессиональный жаргонизм (gíria profissional) e профессиональное просторечие (coloquialismo profissional) em russo. Em finlandês, porém, há apenas uma categoria, ammattislangi (gíria profissional; ver Sanastotyön käsikirja 1989: 12). Também convém observar que alguns dados podem ser expressos implicitamente em coleções terminológicas. Exemplo 1: a presença do rótulo obsoleto em alguns casos e sua ausência em outros numa coleção terminológica implica que os termos que não estão marcados com esse rótulo pertencem ao repertório ativo de LSP. Exemplo 2: se dois ou mais termos forem inseridos no mesmo verbete, isso geralmente implica que são sinônimos ou equivalentes. A troca de dados ou a agregação de recursos terminológicos pode exigir que esses dados implícitos sejam explicitados. Por exemplo, se os dados forem armazenados na forma de uma ontologia, em vez de verbetes estáticos, então as informações implícitas mencionadas acima sobre sinônimos e equivalentes terão de ser explicitadas e salvas durante a «desagregação» dos verbetes. INVENTÁRIOS E CLASSIFICAÇÕES ISO DE CATEGORIAS DE DADOS A ISO 12620:1999 especifica um conjunto de categorias de dados para registrar informações terminológicas. Não prescreve quais categorias de dados devem ser usadas, mas serve antes como um inventário. Esse conjunto de categorias de dados está sendo ampliado no projeto ISOcat (www.isocat.org), que documenta categorias de dados linguísticos amplamente aceitas. Embora o projeto ISOcat seja sem dúvida útil para linguistas, que têm a oportunidade de categorizar e definir melhor conceitos linguísticos, e para os projetistas de bancos de termos, que podem selecionar categorias de dados prontas de um vasto inventário, é improvável que resolva o problema da troca e agregação de dados e da busca por verbetes completos em múltiplas bases de dados. Em primeiro lugar, não pode impedir que os compiladores de produtos terminológicos Terminologija | 2009 | 16 39 classificar dados de uma maneira diferente e utilizar as suas próprias categorias de dados. Em segundo lugar, quanto mais categorias de dados forem utilizadas nas coleções terminológicas, mais diversificadas elas se tornam, tornando ainda mais difícil o intercâmbio de dados. A lista de categorias de dados é teoricamente infinita e bastante extensa na prática. Por exemplo, a lista de categorias de dados relacionadas com a terminologia no inventário ISOcat já ultrapassa 500 itens. Uma das práticas utilizadas no projeto ISOcat pode multiplicar esse número muitas vezes. Referimo-nos à apresentação dos valores de classes fechadas e semifechadas como categorias de dados individuais. Por exemplo, valores da categoria de dados register, como vulgarRegister, slangRegister, etc., são agora apresentados como categorias de dados por direito próprio. Do mesmo modo, a categoria de dados reliabilityCode é dividida em reliabilityCode1, reliabilityCode2, etc. Pode haver opiniões divergentes quanto à razoabilidade disso do ponto de vista prático, mas os dados podem ser organizados de muitas maneiras diferentes, não havendo, portanto, restrições formais à divisão de categorias de dados até às classes primitivas, que só podem aceitar os valores yes e no. É evidente, contudo, que esse domínio das categorias de dados precisa de uma estruturação e classificação adequadas para continuar manejável e bem organizado. Entretanto, a classificação das categorias de dados proposta na ISO 12620:1999 é problemática em vários aspetos. Para começar, há algumas inconsistências relativas à divisão principal dos dados. De acordo com a secção 6.2 (Tipologia das categorias de dados), as categorias de dados dividem-se em três grupos principais: termo e informações relacionadas com termos, dados descritivos e dados administrativos. No entanto, no Anexo D (Listagem sistemática das categorias de dados), o segundo grupo é denominado Categorias de dados relacionadas com a descrição de conceitos. Ao mesmo tempo, esse grupo contém o subgrupo Nota, que «se mantém isolado porque pode ser associado a qualquer uma das outras categorias e, por conseguinte, não pode ser subordinado a nenhum outro subgrupo específico» (ISO 12620:1999: 4). Se presumirmos que a divisão pretendida incluía quatro grupos — termo e informações relacionadas com termos, informações relacionadas com conceitos, dados administrativos e Nota —, essa classificação continua a suscitar muitas questões. Para mencionar algumas: - Por que razão exemplos e contextos são dados relacionados com conceitos, e não dados relacionados com termos? Cf. a descrição da categoria de dados contexto: «Um texto ou parte de um texto em que ocorre um termo» (ISO 12620:1999: 25). - Por que razão sinónimo e equivalência são dados relacionados com termos, enquanto tudo o que se relaciona com o significado é, de resto, dado relacionado com conceitos? Cf. a descrição da categoria de dados grau de equivalência: «A medida em que as intensões de dois ou mais conceitos se sobrepõem» (ISO 12620:1999: 21). 40 Igor Kudashev | Improving Compatibility of Terminological... Por que razão antónimo e homógrafo são dados administrativos e não dados relacionados com termos ou conceitos? Por que razão áudio, vídeo, etc., são (apenas) dados relacionados com conceitos? Qual é a definição exata de dados administrativos? Por que razão esta classe inclui categorias tão heterogéneas? A divisão dos dados terminológicos em dados relacionados com conceitos e dados relacionados com termos pode ser útil do ponto de vista técnico, pois sustenta a abordagem orientada para conceitos, que reduz o número de relações entre termos ao associar termos sinónimos ao mesmo conceito. No entanto, essa divisão em geral e a sua implementação na ISO 12620:1999 em particular podem constituir um desafio para os utilizadores comuns de bases de dados terminológicas — tradutores e especialistas de domínio. Com efeito, não é fácil compreender por que razão se devem procurar sinónimos nos dados relacionados com termos, mas antónimos nos dados administrativos e exemplos nos dados relacionados com conceitos. Os utilizadores comuns trabalham com termos — palavras e combinações de palavras —, pelo que, para eles, é mais natural falar do significado de um termo, dos sinónimos de um termo, de exemplos de uso de um termo, etc. Isto implica que a classificação das categorias de dados destinada a permitir a pesquisa de registos completos em várias coleções deve ser orientada para os termos, intuitivamente clara e baseada em categorias linguísticas comuns. SUPERANDO INCOMPATIBILIDADES ENTRE CATEGORIAS DE DADOS O problema das incompatibilidades entre categorias de dados pode ser resolvido com a ajuda de mapeamentos. Se as incompatibilidades forem nominais, por exemplo, se os nomes das categorias de dados forem diferentes ou se os mesmos conteúdos forem apresentados de maneiras diferentes, pode-se usar o mapeamento direto entre categorias de dados. Uma vez aplicado o mapeamento direto, os dados no recurso agregado podem ser pesquisados com a mesma precisão que nas bases de dados originais. Diferenças mais substanciais entre categorias de dados exigem encontrar um denominador comum por meio do mapeamento entre classificações de conjuntos de categorias de dados. O uso de um denominador comum reduz um pouco a precisão da pesquisa, mas é a única maneira de proporcionar uma pesquisa comum em recursos terminológicos com estruturas diferentes. Se o usuário não estiver disposto a sacrificar a precisão da pesquisa, terá de realizar pesquisas separadas em cada coleção individual. Tal como acontece com o intercâmbio de dados em geral, usar um formato intermediário, isto é, alguma classificação de categorias de dados que sirva de ponte, é mais eficaz a longo Terminologija | 2009 | 16 41 prazo do que múltiplos mapeamentos entre diferentes classificações. Os princípios gerais da classificação de categorias de dados destinada a servir como interface comum entre outras classificações são os seguintes: 1. Como se espera que as classes da classificação sirvam de denominadores comuns, elas devem estar em um nível de abstração mais elevado do que a maioria das categorias de dados «primitivas», que não são subdivididas. Ao mesmo tempo, o nível de abstração não pode ser elevado demais, pois os usuários não se interessariam por uma classificação demasiado geral. Na prática, uma classificação com dois níveis de abstração é suficiente. 2. A classificação deve abranger todos os tipos de expressões de LSP normalmente descritas em bases de dados terminológicas, incluindo elementos terminológicos, nomes próprios, nomenclatura, expressões fixas etc. 3. A classificação deve conter apenas as categorias de dados diretamente relacionadas à descrição de expressões de LSP. A descrição de aspectos técnicos e administrativos (por exemplo, suporte, codificações, fontes, confiabilidade etc.) é uma tarefa diferente. 4. A classificação deve ser hierárquica, mas deve permitir várias bases de divisão no mesmo nível de abstração. 5. A classificação deve ser extensível, isto é, deve conter a categoria «outros» em cada nível da hierarquia. Esses princípios devem ser combinados com o requisito de facilidade de uso mencionado acima. Em nossa opinião, uma classificação baseada nas funções linguísticas dos dados é uma candidata particularmente forte nesse aspecto. Na classificação de categorias de dados que serve de ponte e se baseia nas funções linguísticas, o foco passa dos nomes das categorias de dados para a função ou funções dos dados que elas contêm. Uma comparação possível é a de uma biblioteca com seus catálogos alfabético e temático. A pesquisa pelos nomes das categorias de dados é semelhante à pesquisa com a ajuda de um catálogo alfabético. O título dá alguma indicação do conteúdo do livro, mas às vezes pode ser enganoso. Além disso, os usuários não conseguem adivinhar todos os títulos possíveis que abrangem determinado tema. O catálogo alfabético é útil nos casos em que os usuários sabem com certeza qual item ou quais itens querem localizar. A maioria dos usuários de bibliotecas, porém, inicia sua pesquisa pelo catálogo temático, pois não sabe de antemão quais itens abrangem o tema de seu interesse. Portal terminológico que agrega múltiplas coleções terminoló- 42 Igor Kudashev | Improving Compatibility of Terminological... ções com diferentes conjuntos de categorias de dados representam para os usuários o mesmo problema que o universo dos livros nas estantes de uma biblioteca. Os usuários sabem que tipo de informação lhes interessa (gramática, significado, uso etc.), mas não necessariamente sabem em quais categorias de dados essa informação pode ser encontrada. Em diferentes coleções terminológicas, tipos semelhantes de dados podem estar em diferentes campos de dados. Por exemplo, informações sobre o estatuto areal de uma expressão de LSP podem ser encontradas em campos como uso, rótulo regional, símbolo de língua etc. Se a busca se baseia nas funções linguísticas dos dados, os usuários não precisam se preocupar com os nomes exatos das categorias de dados. Basta especificarem que procuram informações sobre estatuto areal, significado ou sinônimos, e o sistema de gestão terminológica localiza e exibe entradas completas ou abreviadas em diferentes bases de dados que contêm o tipo de informação especificado. A busca pela função pode e deve ser complementada pela busca pelo nome dos campos, para os usuários que sabem exatamente em quais campos querem pesquisar. Os campos de dados, assim como os itens de uma biblioteca, podem conter diferentes tipos de informação linguística. Por exemplo, exemplo é um campo multifuncional típico, que pode conter informações sobre a forma, o significado e o uso de um termo, em diferentes proporções. Cada categoria de dados pode ser descrita como tendo uma ou várias funções. Também deve ser possível especificar o grau em que uma determinada categoria de dados reflete certas funções. Essa característica pode ser verbal (por exemplo, função primária e secundária) ou numérica (por exemplo, 0–100%). A maneira mais fácil de mapear um determinado conjunto de categorias de dados para a classificação intermediária é considerar uniformes os conteúdos dos campos de dados de um tipo específico e elaborar uma tabela simples de correspondência. Um mapeamento mais preciso, mas também mais complexo, permitiria aos compiladores especificar desvios dos campos de dados individuais em relação aos valores usados na tabela global de correspondência. Por exemplo, os contextos geralmente fornecem informações sobre o uso e o significado dos termos. É razoável incluir esses tipos de informação na tabela global de correspondência, pois dizem respeito a todos os campos de contexto. No entanto, alguns contextos também podem conter informações enciclopédicas. Esse uso ocasional de informações enciclopédicas pode ser assinalado localmente, no nível do campo. Terminologija | 2009 | 16 43 CLASSIFICAÇÃO DAS CATEGORIAS DE DADOS COM BASE NAS FUNÇÕES LINGUÍSTICAS DOS DADOS Como as expressões de LSP são signos linguísticos, as informações sobre elas podem ser divididas em informações sobre sua forma, significado, uso, relações com outras unidades, origem e desenvolvimento. A seguir, cada uma dessas classes é descrita em detalhe e são apresentados alguns exemplos dos dados que lhes pertencem. Consulte o Apêndice 1 para ver a versão compacta da classificação. Dados relacionados à forma As expressões de LSP têm duas formas: escrita e oral. Além disso, os dados relacionados à forma de uma expressão de LSP podem ser subdivididos em três classes: - dados relacionados à forma canônica; - dados relacionados à formação da unidade; - dados relacionados à flexão da unidade. DADOS RELACIONADOS À FORMA CANÔNICA A forma canônica é a forma em que a entrada é apresentada na base de dados. Ela serve como “representante” de outras formas. Por exemplo, na maioria das línguas europeias, a forma canônica dos substantivos é o nominativo singular e, para os verbos, o infinitivo. No entanto, as regras para escolher a forma canônica variam entre diferentes línguas e tradições lexicográficas. Aqui estão alguns exemplos de dados relacionados à forma canônica escrita: - tipo de expressão de acordo com sua forma escrita (por exemplo, forma por extenso, forma abreviada, símbolo, fórmula etc.); - grafia da forma; - variantes ortográficas da forma; - hifenização. Exemplos de dados relacionados à forma canônica oral: - tipo de expressão de acordo com sua forma oral (por exemplo, inicialismo, acrônimo); - pronúncia; - variantes de pronúncia da forma; - divisão silábica. Como se pode ver, algumas categorias de dados podem estar relacionadas tanto às formas escritas quanto às orais. Por exemplo, indicar que uma determinada expressão é um inicialismo, isto é, uma forma abreviada composta pelas letras iniciais do termo completo, em que essas letras são pronunciadas individualmente (por exemplo, United Nations – UN), fornece informações sobre as formas escrita e oral. Além disso, pode 44 Igor Kudashev | Improving Compatibility of Terminological... pode-se dizer que fornece informações sobre a formação, a origem e o desenvolvimento dos termos. DADOS RELACIONADOS À FORMAÇÃO DE TERMOS Exemplos de dados relacionados à formação de expressões de linguagens para fins específicos (LSP): - componentes e elementos dos termos; - estrutura morfêmica; - modelo sintático; - modelo de formação de termos; - método(s) de formação de termos; - variantes morfológicas; - derivados. DADOS RELACIONADOS À FLEXÃO Exemplos de dados relacionados à flexão de expressões de LSP: - parâmetros gramaticais (número, gênero, animacidade etc.); - paradigma completo ou parcial das formas; - modelos de flexão, conjugação etc. Dados relacionados ao significado Esta parte da classificação começa com uma categoria bastante marginal, a fim de manter a coerência com as outras seções. As expressões de LSP podem ser divididas em várias classes, dependendo do quanto sua forma interna reflete seu significado. Por exemplo, uma expressão fixa é uma unidade cujo significado não pode ser deduzido do sentido combinado das palavras que compõem a expressão. Além disso, os dados relacionados ao significado das expressões de LSP podem ser divididos em duas grandes categorias. A primeira é significado lógico – descrição do conceito lógico denotado por uma expressão de LSP. Esse tipo de informação costuma ser fornecido em definições terminológicas e descrições semelhantes a definições. A segunda categoria inclui componentes de significado bastante heterogêneos, que podem ser chamados de significado induzido. Esses componentes incluem, por exemplo: - diferentes conotações, isto é, componentes avaliativos do significado; - forma interna da expressão (seu significado «literal», morfema por morfema); Terminologija | 2009 | 16 45 – outros significados em LSP ou LGP da mesma expressão; – componentes do significado resultantes de relações sistemáticas antonímicas, sinonímicas, paronímicas e de outros tipos da expressão; – diferentes tipos de associações; – componentes do significado resultantes de consonância, rimas etc. Chamamos esses componentes do significado de “induzidos” porque resultam da atitude dos usuários da língua em relação aos objetos denotados pelas expressões LSP, das associações dos usuários ou das relações de uma expressão LSP com outras unidades linguísticas. Nesse sentido, componentes adicionais do significado são “induzidos” na expressão LSP pelos usuários da língua, por outras unidades linguísticas ou por ambos. Para mais informações sobre a apresentação do significado induzido em dicionários LSP, ver (Kudashev 2006; Kudashev 2007: 254–258). Componentes induzidos são bem-vindos e até cultivados deliberadamente quando criam associações e conotações positivas ou permitem que os usuários expressem sua atitude em relação ao assunto na comunicação informal. No entanto, na maioria dos casos, eles apenas desviam a atenção dos usuários do significado lógico, que deveria estar no cerne da comunicação LSP. Essa é provavelmente uma das razões pelas quais os componentes do significado induzido foram, em grande medida, negligenciados na teoria da terminologia. No entanto, levá-los em consideração é um pré-requisito importante para uma nomeação terminológica bem-sucedida e uma comunicação LSP eficaz. Dados relativos à descrição enciclopédica A descrição enciclopédica fornece informações sobre os objetos denotados pelas expressões LSP e, na maioria dos casos, essas informações são extralinguísticas. No entanto, às vezes não é fácil traçar a linha divisória entre a descrição do conceito e a descrição do objeto denotado por uma expressão LSP. Muitas bases de dados terminológicas já contêm informações que podem ser consideradas descrição enciclopédica, e espera-se que a proporção desse tipo de informação aumente no futuro, à medida que diferentes tipos de obras de referência tendem a se aproximar (cf. Hartmann 2001: 5). Para reconhecer esse fato, decidimos incluir a descrição enciclopédica na classificação das categorias de dados relacionadas à descrição de expressões LSP. Dados relacionados ao uso As informações relacionadas ao uso parecem ser o tipo de informação mais solicitado 46 Igor Kudashev | Improving Compatibility of Terminological... terminological data (Kudashev 2007: 207). It can be subdivided into two big categories: - restrições de uso; - frequência de uso. DADOS RELACIONADOS ÀS RESTRIÇÕES DE USO O uso de qualquer expressão de uma LSP restringe-se a pelo menos uma língua nacional, domínio e período cronológico. Além disso, o uso pode estar restrito a determinada área geográfica, grupo profissional, organização, registro etc. Abaixo está a lista das restrições de uso mais frequentes, com alguns exemplos entre parênteses: - língua nacional (en, fi, ru); - domínio e subdomínio (física – física atômica – física de altas energias); - escola/teoria científica (física de Newton, física de Einstein; estruturalismo dinamarquês na linguística); - restrição cronológica (obsoleto, neologismo, usado durante a Segunda Guerra Mundial); - restrição geográfica (en-US, en-GB, expressão dialetal); - restrição organizacional (termo usado na/na Nokia, Microsoft, ONU, OMS); - restrição de propriedade (marca registrada, nome comercial); - restrições de registro (termo oficial, termo informal, gíria profissional); - restrições de grupo profissional (médicos, enfermeiros, auxiliares de saúde); - restrições combinatórias (realizar/conduzir/fazer/lançar uma investigação); - restrições de conformidade (termo padronizado, preferido, recomendado ou não recomendado). Provavelmente, os dois últimos tipos de restrições precisam ser comentados com mais detalhes. Dados relacionados a restrições combinatórias A capacidade combinatória é a capacidade das unidades linguísticas de formar unidades maiores. A capacidade combinatória pode ser dividida em semântica, lexical e sintática. A capacidade combinatória semântica sugere que as expressões não apresentam componentes controversos em seu significado. A capacidade combinatória lexical manifesta-se na capacidade das expressões de se combinarem com determinados outros meios lexicais. A capacidade combinatória sintática é a capacidade de uma expres- Terminologija | 2009 | 16 47 são se combinar com determinadas formas gramaticais de outras expressões e com palavras auxiliares. As restrições combinatórias são geralmente descritas com o auxílio de modelos sintáticos, exemplos e contextos. Dados relacionados a restrições de conformidade Os produtos terminológicos tendem a ser mais ou menos prescritivos por natureza. Essa normatividade pode variar desde recomendações dos compiladores ou dos especialistas da área consultados até a autorização normativa. Em qualquer caso, a questão diz respeito à conformidade de uma expressão de LSP com um estilo «bom» ou «correto» (do ponto de vista dos compiladores) e, no caso das normas, também com algum documento normativo. DADOS RELACIONADOS À FREQUÊNCIA DE USO As informações sobre a frequência de uso podem basear-se em evidências de corpus e ser expressas numericamente, ou podem consistir numa estimativa mais ou menos subjetiva, expressa verbalmente (por exemplo, de uso comum – de uso pouco frequente – raramente usado). Dados relacionados às relações sistemáticas Por relações sistemáticas entendemos as relações ontológicas (relações que contêm conhecimento sobre o mundo), as relações lexicais sistemáticas e as relações de equivalência entre línguas. A seguir, apresentamos exemplos das relações sistemáticas mais comuns: – relações de sinonímia; – relações de antonímia; – relações de homonímia; – relações de paronímia; – relações genéricas; – relações partonímicas; – relações ontológicas não hierárquicas (associativas, sequenciais, temporais, causais etc.); – relações de equivalência (entre línguas). As relações relativas à formação de palavras, à flexão e ao poder combinatório das expressões não pertencem a esta categoria porque não são relações lexicais sistemáticas. Dados relacionados à origem e ao desenvolvimento Esse tipo de dado é próximo dos dados etimológicos, mas não se limita a eles. Pode incluir, por exemplo: 48 Igor Kudashev | Improving Compatibility of Terminological... - informações sobre as formas das quais se acredita que uma expressão de LSP específica se origina; - informações sobre os estágios de desenvolvimento de uma expressão de LSP específica; - informações sobre forma(s), significado(s), uso etc. anteriores de uma expressão de LSP específica. CONCLUSÕES Neste artigo, discutimos os princípios de classificação de dados destinados a estabelecer pontes entre incompatibilidades estruturais de categorias de dados em diferentes coleções terminológicas. As aplicações previstas para a classificação incluem a agregação e a fusão de dados terminológicos, a organização da pesquisa por verbetes completos em várias coleções terminológicas e a adaptação dos verbetes de acordo com as preferências dos usuários. As duas últimas tarefas exigem que a classificação seja bastante simples e intuitivamente clara para os usuários comuns de produtos terminológicos. A classificação baseada nas funções linguísticas dos dados parece ser uma das melhores opções nesse sentido. A pesquisa baseada nas funções linguísticas dos dados complementa eficazmente a pesquisa pelos nomes das categorias de dados e desempenha a mesma função que um índice temático em uma biblioteca. Neste artigo, concentramos-nos na classificação de dados relacionados à descrição de expressões de LSP, por ser esse o tipo mais importante de dados apresentados em bases de dados terminológicas. As classificações de outros tipos de dados, como informações sobre fontes, usuários e transações de gestão terminológica, estarão disponíveis nas especificações do projeto ContentFactory, cujo objetivo é conceber uma plataforma baseada em ontologia para o trabalho terminológico colaborativo distribuído. O projeto termina em 2010, e grande parte de sua documentação interna será tornada pública. 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